
- Bildgeführte Stereotaxie
- Deep Learning und Radiomics
- Radiobiologische Modellierung
-
Bildgeführte Stereotaxie
Bildgeführte stereotaktische Therapie von extrakranialen Metastasen
Bereitstellung und Analyse multimodaler Bilddaten zur Therapieplanung und Zielvolumendefinition vor und während einer bewegungsadaptierten Stereotaxie von extrakranialen Metastasen.
Aufgaben in Kooperation mit der AG Medizinische Informatik des UKE
- Aufbau einer multimodalen Patientendatenbank incl. Bilddaten, onkologische und strahlentherapeutische Parameter und Endpunkte
- Durchführung von medizinphysikalischen, klinischen und statistischen Analysen
- Entwicklung von Methoden zur Erkennung und Bewertung des Einflusses von Bildartefakten, Registrierungsfehlern und Tumorbewegungen
- Methoden zur Quantifizierung von Fraktionierungseffekt, Interplay-Effekt und Early/Late Treatment Response
Veröffentlichungen (Auszug)
- 4D CT image artifacts and local control in SBRT of lung and liver metastases: Sentker T, Schmidt V, Petersen C, Madesta F, Hofmann C, Werner R, Gauer T, Radiotherapy and Oncology 2020
- Comparison of intelligent 4D CT sequence scanning (i4DCT) and conventional spiral 4D CT - a fist comprehensive phantom study: Werner R, Szkitsak J, Sentker T, Madesta F, Schwarz A, Fernolendt S, Vornehm M, Gauer T, Bert C, Hofmann C, PHYS MED BIOL 2020
- Intelligent 4D CT sequence scanning (i4DCT): First scanner prototype implementation and phantom measurements of automated breathing signal-guided 4D CT: Werner R, Sentker T, Madesta F, Schwarz A, Vornehm M, Gauer T, Hofmann C, MED PHYS. 2020
- Definition and quality requirements for stereotactic radiotherapy: consensus statement from the DEGRO/DGMP Working Group Stereotactic Radiotherapy and Radiosurgery: Guckenberger M, Baus W, Blanck O, Combs SE, Debus J, Engenhart-Cabillic R, Gauer T, Grosu AL, Schmitt D, Tanadini-Lang S, Moustakis C, STRAHLENTHER ONKOL. 2020
- Technological quality requirements for stereotactic radiotherapy: Expert review group consensus from the DGMP Working Group for Physics and Technology in Stereotactic Radiotherapy: Schmitt D / Blanck O, Gauer T, Fix MK, Brunner TB, Fleckenstein J, Loutfi-Krauss B, Manser P, Werner R, Wilhelm M-L, Baus W, Moustakis C, STRAHLENTHER ONKOL. 2020
- Intelligent 4D CT sequence scanning (i4DCT): concept and performance evaluation: Werner R, Senker T, Madesta F, Gauer T, Hofmann C, Med Phys. 2019
- Clinical relevance of metal artifact reduction in computed tomography (iMAR) in the pelvic and head & neck region: multi-institutional contouring study of GTV and OAR: Hagen M, Kretschmer M, Würschmidt F, Gauer T, Giro C, Lorenzen J, Karsten E, J Med Imaging Radiat Oncol. 2019
- Influence of deformable image registration on 4D dose simulation for extracranial SBRT: a multi-registration framework study: Mogadas N / Sothmann T, Knopp T, Gauer T, Petersen C, Werner R, Radiother Oncol. 2018
- Under-reported dosimetry errors due to interplay effects during VMAT dose delivery in extreme hypofractionated stereotactic radiotherapy: Gauer T, Sothmann T, Blanck O, Petersen C, Werner R, Strahlenther Onkol. 2018
- Correspondence model-based 4D VMAT dose simulation for analysis of local metastasis recurrence after extracranial SBRT: Sothmann T, Gauer T, Wilms M, Werner R, Phys Med Biol. 2017
- Reduction of breathing irregularity-related motion artifacts in low-pitch spiral 4D CT by optimized projection binning: Werner R, Hofmann C, Mücke E, Gauer , Radiat Oncol. 2017
- 4D dose simulation in volumetric arc therapy: Accuracy and affecting parameters: Sothmann T / Gauer T, Werner R, Plos One. 2017
Drittmittel und Vernetzung inner-/außerhalb des UKE
- AG Medizinische Informatik des UKE
- Klinik für Diagnostische und Interventionelle Radiologie des UKE
- Forschungsförderungsfonds Medizin des UKE
- Siemens Medical Systems
-
Deep Learning und Radiomics
Deep Learning und Radiomics-Modelle in der (Radio-)Onkologie
Entwicklung von Deep Learning und Radiomics Modellen u.a. zur Metastasen-Prädiktion (Hirn/Lunge) und Primarius-Differenzierung
Aufgaben
- Genomische / proteomische Strukturen zeigen sich in makroskopischen Eigenschaften der medizinischen Bildgebung und -verarbeitung
- Analyse von Bilddaten zur Korrelation mit klinischen Outcome und Risiken
- Entwicklung von prädiktiven Modellen
Drittmittel und Vernetzung inner-/außerhalb des UKE
- AG Medizinische Informatik
- Klinik für Neuroradiologische Diagnostik und Intervention
- Arbeitskreis für Künstliche Intelligenz der Industrie- und Handelskammer zu Lübeck
Veröffentlichung
- Self-Contained Deep Learning-Based Boosting of 4D Cone-Beam Computed Tomography Reconstruction: Madesta F, Sentker T, Gauer T, Werner R, MED PHYS 2020
- Self-Consistent Deep Learning-Based Boosting of 4D Cone-Beam Computed Tomography Reconstruction: Madesta F, Sentker T, Gauer T and Werner R, Medical Imaging. 2019
- Radiomics of Brain MRI: Utility in Prediction of Metastatic Tumor Type: Kniep H, Madesta F, Schneider T, Hanning U, Schönfeld M, Schön G, Fiehler J, Gauer T, Werner R, Gellissen S, Radiology 2018
-
Radiobiologische Modellierung
Radiobiologische Modellierung und Bestrahlungsplanung der Prostata
In Zusammenarbeit mit dem Labor für Strahlenbiologie & Experimentelle Radioonkologie werden radiobiologische Modelle zur Prädiktion von Tumorkontroll- und Komplikationswahrscheinlichkeiten anhand klinischer Daten (n=300 EBRT, n=500 BRT) auf ihre Robustheit und Genauigkeit analysiert und optimiert. Ziel der Modellierung ist die Einführung individueller, hypofraktionierter Dosisfraktionierungsschemata für Prostatakrebspatienten.
Dr. Elisabetta Gargioni
PD. Dr. Annette Raabe
MSc. Ilse KönigDrittmittel und Vernetzung inner-/außerhalb des UKE
- Varian Medical Systems
- Accuray
Detaillierte Informationen sowie Themen zur Durchführung von Praktika und Abschlussarbeiten erhalten Sie von Dr. Tobias Gauer (Leiter der Medizinphysik Forschung, t.gauer@uke.de).