Science Night mit Andreas Kofler, der an der Rekonstruktion von MRT-Bildern durch maschinelles Lernen forscht

Die Magnetresonanztomographie (MRT) ist neben dem Röntgen das bekannteste Verfahren, um Bilder aus dem Körperinneren zu erhalten. Einer, der sich damit besonders gut auskennt, ist Andreas Kofler. Der Meraner gab am Freitagabend am Realgymnasium und an der TFO Meran im Rahmen der traditionellen “Science Night” Einblicke in seine Forschungsarbeit.  Kofler, der das Realgymnasium besucht und in Innsbruck Mathematik studiert hat, forscht auf dem Gebiet der Rekonstruktion von MRT-Bildern durch maschinelles Lernen. Bereits in seiner Doktorarbeit an der Berliner Charité beschäftigte er sich mit dieser für Laien schwer verständlichen Materie. Seit einigen Jahren arbeitet Kofler in der Abteilung 8 „Medizinphysik und metrologische Informationstechnik“ der Physikalisch-Technischen Bundesanstalt (PTB) in Berlin. Seine Aufgabe ist es, vereinfacht gesagt, aus den Daten des Kernspintomographen bessere Bilder zu rekonstruieren – und das bei kürzeren Untersuchungszeiten. Künstliche Intelligenz, also Programme, die maschinelles Lernen ermöglichen, können dafür inzwischen eingesetzt werden.

„Maschinelles Lernen mit Hilfe neuronaler Netze wird in der Bildverarbeitung unter anderem zur Segmentierung, Objekterkennung und Bildklassifikation eingesetzt“, erklärt Kofler. In den letzten Jahren wurden Methoden entwickelt, um die Bildrekonstruktion von MR- und CT-Daten mit neuronalen Netzen durchzuführen.

Die Forschung von Andreas Kofler zeige, wie die Mathematik die Medizin unterstützen könne, sagte Schuldirektor Alois Weis, der den gut besuchten Abendvortrag in der Schule eröffnete. Die traditionelle „Science Night“ biete seit vielen Jahren Einblicke in die faszinierende Welt der Wissenschaft und Technik durch ehemalige Schüler, die weltweit forschen und erfolgreich sind, so Weis.

„Die Magnetresonanztomographie nutzt die magnetischen Eigenschaften der Wasserstoffatome, um Bilder zu erzeugen“, erklärt Kofler. Die aufgenommenen Daten werden anschließend am Computer verarbeitet.  Im Vergleich zu anderen bildgebenden Verfahren ist die Untersuchung allerdings recht zeitaufwändig, wobei der Zeitbedarf von der Komplexität und der Anzahl der verwendeten Messsequenzen abhängt. Durch maschinelles Lernen lässt sich jedoch die Bildqualität von MR-Bildern verbessern. „Eine Verbesserung der Bildqualität bei gleichzeitiger Verkürzung der Aufnahmezeit macht es möglich, das Verfahren auch bei Patienten einzusetzen, die beispielsweise unter Atemnot leiden“, sagt Kofler.