Neuroradiologische Forschung
Die Forschungsgruppe für Künstliche Intelligenz (KI) in der Neuroradiologie arbeitet eng mit verschiedenen Instituten der Uniklinik Köln und anderen radiologischen Instituten Deutschlands zusammen, um neue, innovative KI-gestützte Methoden in der neuroradiologischen Bildgebung zu entwickeln und zu evaluieren. Ein besonderes Augenmerk liegt dabei auf der automatisierten Evaluierung und Interpretation von Hirntumoren und Detektion sowie Segmentierung vaskulärer Pathologien.
Forschungsschwerpunkte
Künstliche Intelligenz in der Neuroonkologie
Der Schwerpunkt im Bereich der Neuroonkologie liegt auf der Entwicklung neuer Methoden zur Verbesserung der neurologischen Bildanalyse und nicht-invasiven Tumorcharakterisierung. Neueste Entwicklungen in der Verarbeitung von Bilddaten mittels Künstlicher Intelligenz bzw. Deep Learning und die Einführung quantitativer MRT Bildgebungssequenzen bieten vielversprechende Möglichkeiten, um das Patientenmanagement und die Therapieplanung zu verbessern.
Künstliche Intelligenz in der Neurovaskulären Bildgebung
Ein weiterer Forschungsschwerpunkt ist das automatisierte Erkennen neurovaskulärer Pathologien mit besonderem Augenmerk auf intrakranielle Aneurysmen. Außerdem zielen wir darauf ab, automatisch generierte Segmentierungen zu verwenden um das Patientenrisiko einzuschränken und endovaskuläre sowie chirurgische Behandlungen zu unterstützen.
- Else Kröner-Fresenius-Stiftung (Kai Laukamp & Michael Schönfeld)
- Institut für Diagnostische und Interventionelle Radiologie, Uniklinik Köln (Kai Laukamp & Michael Schönfeld)
- Medizinische Fakultät und Uniklinik Köln (Kai Laukamp)
- Cologne Clinician Scientist Programm (David Zopfs)
- Else Kröner-Fresenius-Stiftung (Simon Lennartz)
- Institut für Diagnostische Radiologie, Neuroradiologie und Nuklearmedizin, Johannes Wesling Klinikum Minden, Universitätsklinikum der Ruhr-Universität Bochum
- Klinik für Neurochirurgie und Stereotaxie, Zentrum für Neurochirurgie, Medizinische Fakultät und Uniklinik Köln
- Institut für Diagnostische und Interventionelle Radiologie und Neuroradiologie, Universitätsklinikum Essen
- Klinik für Diagnostische und Interventionelle Radiologie, Universitätsklinikum Würzburg
- Klinik für Diagnostische und Interventionelle Neuroradiologie und Pädiatrische Neuroradiologie, Universitätsklinikum Bonn
- Institut für Diagnostische und Interventionelle Radiologie, Universitätsklinikum Bonn
- Philips GmbH Innovative Technologies, Aachen
- Lung Cancer Group, Klinik I für Innere Medizin, Medizinische Fakultät und Uniklinik Köln
Monitoring Patients with Glioblastoma by Using a Large Language Model: Accurate Summarization of Radiology Reports with GPT-4. Radiology. 2024
Highly compressed SENSE accelerated relaxation-enhanced angiography without contrast and triggering (REACT) for fast non-contrast enhanced magnetic resonance angiography of the neck: Clinical evaluation in patients with acute ischemic stroke at 3 tesla. Magn Reson Imaging. 2024
Potential of GPT-4 for Detecting Errors in Radiology Reports: Implications for Reporting Accuracy. Radiology. 2024
GPT-4 for Automated Determination of Radiological Study and Protocol based on Radiology Request Forms: A Feasibility Study. Radiology 2023
Automated Color-Coding of Lesion Changes in Contrast-Enhanced 3D T1-Weighted Sequences for MRI Follow-up of Brain Metastases. AJNR Am J Neuroradiol. 2022
Virtual non-contrast reconstructions improve differentiation between vascular enhancement and calcifications in stereotactic planning CT scans of cystic intracranial tumors. Eur J Radiol. 2022
Two-dimensional CT measurements enable assessment of body composition on head and neck CT. Zopfs D, Pinto Dos Santos D, Kottlors J, Reimer RP, Lennartz S, Kloeckner R, Schlaak M, Theurich S, Kabbasch C, Schlamann M, Große Hokamp N. Eur Radiol. 2022
Differentiation of Intracerebral Tumor Entities with Quantitative Contrast Attenuation and Iodine Mapping in Dual-Layer Computed Tomography. Diagnostics. 2022
Contrast-Enhanced Black Blood MRI Sequence Is Superior to Conventional T1 Sequence in Automated Detection of Brain Metastases by Convolutional Neural Networks. Diagnostics 2021
Fully Automated MR Detection and Segmentation of Brain Metastases in Non-small Cell Lung Cancer Using Deep Learning. J Magn Reson Imaging. 2021
Deep learning assistance increases the detection sensitivity of radiologists for secondary intracranial aneurysms in subarachnoid hemorrhage. Neuroradiology 2021
Automated Detection and Segmentation of Brain Metastases in Malignant Melanoma: Evaluation of a Dedicated Deep Learning Model. Am J Neuroradiol. 2021
Fully automated detection and segmentation of intracranial aneurysms in subarachnoid hemorrhage on CTA using deep learning. Sci Rep. 2020
Primary Central Nervous System Lymphoma: Clinical Evaluation of Automated Segmentation on Multiparametric MRI Using Deep Learning. J Magn Reson Imaging. 2020
Automated Meningioma Segmentation in Multiparametric MRI: Comparable Effectiveness of a Deep Learning Model and Manual Segmentation. Clin Neuroradiol. 2020
MRI Follow-up of Astrocytoma: Automated Coregistration and Color-Coding of FLAIR Sequences Improves Diagnostic Accuracy With Comparable Reading Time. J Magn Reson Imaging. 2020
Accuracy of Radiomics-Based Feature Analysis on Multiparametric Magnetic Resonance Images for Noninvasive Meningioma Grading. World Neurosurg. 2019
Fully automated detection and segmentation of meningiomas using deep learning on routine multiparametric MRI. Eur Radiol. 2019
Follow-up MRI in multiple sclerosis patients: automated co-registration and lesion color-coding improves diagnostic accuracy and reduces reading time. Eur Radiol. 2019
Clinical Evaluation of a Multiparametric Deep Learning Model for Glioblastoma Segmentation Using Heterogeneous Magnetic Resonance Imaging Data From Clinical Routine. Invest Radiol. 2018
Team
Univ.-Prof. Dr. Jan Borggrefe, MD (Johannes Wesling Klinikum Minden - University Hospitals of the Ruhr-University Bochum)
Univ.-Prof. Dr. Norbert Galldiks, MD (University Hospital Cologne)
Dr. Jan-Michael Werner, MD (University Hospital Cologne)
Prof. Dr. Christoph Kabbasch, MD (University Hospital Cologne)
Priv.-Doz. Dr. Simon Lennartz, MD (University Hospital Cologne)
Dr. David Zopfs, MD (University Hospital Cologne)
Team
Dr. Liliana Caldeira, PhD
Dr. Mirjam Schöneck, PhD
Robert Hahnfeldt, MD
Thomas Schömig, MD
Dr. Thomas Dratsch, MD
Dr. Carsten Gietzen, MD
Dr. Lukas Goertz, MD
Dr. Jan Paul Janßen, MD
Dr. Jan-Peter Grunz, MD
Dr. Stephanie Jünger, MD
Dr. Rahil Shahzad, PhD
Dr. Marco Timmer, MD
Mr. Frank Thiele, M. Sc.
Dr. Nicolas Lopez Armbruster, MD