< Terug naar vorige pagina

Project

Op leren gebaseerde computationale strategieën voor multimodale beeldanalyse van neurovasculaire aandoeningen

Neurovasculaire aandoeningen zoals ischemische beroerte zijn wereldwijd een van de meest voorkomende oorzaken van invaliditeit. Bij ischemische beroerte wordt de bloedtoevoer naar een specifiek gebied van de hersenen belemmerd door een trombose of embolie die een hersenslagader afsluit. De belangrijkste behandelingsstrategieën van ischemische beroerte bestaan uit het herstellen van de perfusie door middel van intraveneuze injectie van een trombolytisch geneesmiddel en/of endovasculaire trombectomie, waarbij de tijd vanaf het begin tot de reperfusie een bepalende factor is voor de uitkomst van de patiënt. De ernst van de beroerte wordt klinisch beoordeeld op basis van conventionele perfusieparameters zoals cerebrale bloedstroom en tijd-tot-maximum geëxtraheerd uit een 4D-perfusie-CT-scan die voorafgaand aan de behandeling is verkregen. Maar de uitkomst daarvan wordt beïnvloed door de beeldkwaliteit, door reken-technische factoren en door het ontbreken van behandelingsspecifieke parameters. Het doel van dit proefschrift is om alternatieve, op leren gebaseerde strategieën te onderzoeken die een uitgebreidere analyse van de beeldvormingsgegevens van de patiënt mogelijk maken om de behandelingsresultaten bij beroerte en andere neurovasculaire aandoeningen betrouwbaarder te voorspellen door ook rekening te houden met beeldvormingsgegevens van eerdere gevallen, niet-beeldvormingsgegevens van de patiënt (bijv. EEG) en metadata in de vorm van klinische parameters.

Datum:18 nov 2021 →  Heden
Trefwoorden:Biomedical Engineering, Medical Imaging, Signal Processing, Neuroimaging, Artificial Intelligence
Disciplines:Medische beeldvorming en therapie niet elders geclassificeerd, Beeldverwerking, Signaalverwerking, Neurowetenschappen niet elders geclassificeerd, Artificiële intelligentie niet elders geclassificeerd
Project type:PhD project