DAISY – Aufbau einer gemeinsamen UKE-TUHH-Deep Learning-Plattform für biomedizinische Bildverarbeitung

Die biomedizinische Bildverarbeitung erlebt derzeit einen Paradigmenwechsel. Während in den letzten Dekaden vornehmlich problem- und datenspezifische Bildverarbeitungsalgorithmen und -pipelines entworfen und inkrementell optimiert wurden, werden aktuell immer stärker allgemein anwendbare Verfahren des Machine Learnings zur Bearbeitung unterschiedlichster Fragestellungen eingesetzt. Insbesondere Deep Learning (DL)-Techniken wie Convolutional Neural Networks erfreuen sich großer Beliebtheit.

Motiviert durch den aktuellen Erfolg der DL-Techniken initiieren sowohl an der TUHH als auch dem UKE verschiedene Arbeitsgruppen erste Projekte zur Integration von entsprechenden Ansätzen in die biomedizinische Bildverarbeitung. Ein arbeitsgruppen- und institutionsübergreifender Informationsaustausch oder synergistische Zusammenarbeit findet jedoch bislang kaum statt.

Durch DAISY (Deep Artificial Intelligent SYstems for biomedical image processing) soll eine gemeinsame Anlaufstelle und Plattform für Bachelor-, Master- und PhD-Studierende der TUHH und Studierende der Medizinischen Fakultät der Universität Hamburg etabliert werden, die an der DL-Anwendung und -Methodenentwicklung für die biomedizinische Bildgebung und -verarbeitung interessiert sind. Hierdurch soll der arbeitsgruppen- und universitätsübergreifende Informationsaustausch gefördert und die Definition neuer Kooperationsprojekte im Bereich des DL in der Biomedizin erleichtert werden. DAISY soll gemeinsam von interessierten Arbeitsgruppen der TUHH und des UKEs gestaltet und genutzt werden.

Um DAISY zu etablieren, wurden folgende Maßnahmen umgesetzt:

1. Die Bereitstellung von DL-Hardware an den beteiligten Standorten (TUHH, UKE).
2. Die Etablierung einer gemeinsamen Plattform zum arbeitsgruppen- und institutionsübergreifenden Austausch von DL-Methoden und Quellcode.
3. Die Organisation eines regelmäßigen Journal Clubs, von Hackathons sowie der gemeinsamen Teilnahme an internationalen Challenges im Bereich der biomedizinischen Bildverarbeitung.

Die DL-Hardware wird Studierenden für ihre Abschlussarbeiten bereitgestellt, um hierdurch aktiv gemeinsam betreute Arbeiten von TUHH und UKE zu fördern. Weitere Rechenkapazitäten werden aktuell im Rahmen des Anschlussprojektes Joint medical Image-reconstruction and processing for high-dimensional data using deep learning geschaffen.

Die gemeinsame Arbeit in Journal Clubs, Hackathons und an Bildverarbeitungschallenges hat bereits zu zahlreichen arbeitsgruppenübergreifenden Publikationen geführt. Hervorzuheben sind u.a. Top-Ten-Platzierungen in international angesehenen Challenges wie PAIP (Pathology Artificial Intelligence Platform; Lebertumorsegmentierung in WSI-Daten), eine Top-20%-Platzierung der SIIM-ACR Pneumothorax Segmentation Kaggle-Challenge sowie der Gewinn der ISIC (International Skin Imaging Consortium)-Challenge zur Hautkrebsklassifikation, die im Rahmen der MICCAI 2019 ausgetragen wurde.

DAISY wird über die Projektlaufzeit hinaus weitergeführt werden und lebt von der aktiven Mit- und Zusammenarbeit von Studierenden und Arbeitsgruppen. Wir freuen uns über weitere Interessierte jeder Vorwissensstufe, die gemeinsam mit uns über DL-Fragestellungen diskutieren und an DL-Aufgaben arbeiten möchten.