Projektbeschreibung
Ein bahnbrechender datengesteuerter Ansatz, der die Gewebebildgebung verändern wird
Die Untersuchung der Gewebemikrostruktur mittels Magnetresonanztomographie (MRT) war lange Zeit eine Herausforderung, die vor allem durch indirekte Messungen und inkonsistente Ergebnisse beeinträchtigt wurde. Das vom Europäischen Forschungsrat finanzierte Projekt ADAMI geht von einem traditionellen modellbasierten Ansatz zu einer datenbasierten Methodik über. Das Projektteam wird maschinelles Lernen und mehrere MRT-Kontrastmechanismen nutzen, um Modelle zu entwickeln, die die tatsächliche Zellzusammensetzung genauer widerspiegeln. Die Integration direkter histologischer Daten in den Modelllernprozess sollte dazu beitragen, eine engere Abstimmung zwischen den MRT-gestützten mikrostrukturellen Messwerten und der invasiven Histologie zu gewährleisten. Diese neuartige Strategie verspricht, MRT-Scanner in effektive In-vivo-Mikroskope zu verwandeln, die tiefere Einblicke in die Mikrostruktur des Gewebes ermöglichen.
Ziel
The ability to study tissue microstructure in vivo and completely noninvasively using magnetic resonance imaging (MRI) has the potential to radically change how we detect, monitor, and treat diseases, in particular the many neurodegenerative diseases that affect our world’s aging population. Unfortunately, the MRI signal is a very indirect measure of microstructure, and the variety of contributing factors complicates a one-to-one association between the MRI measurements and the biological substrate. As a result, microstructural mapping is still a poorly understood and challenging inverse problem that often yields inconsistent and contradictory outcomes. In ADAMI, I will take the next leap in microstructure imaging by approaching the problem in a completely data-driven fashion as opposed to the state-of-the-art that is model-driven. This paradigm shift will enable me to turn the MRI scanner into a powerful in vivo microscope that can provide reliable information about tissue microstructure that closely matches the underlying cellular composition. Rather than relying only on a single source of contrast, I will exploit the versatility of MRI and use multiple, independent contrast mechanisms that will provide the necessary information to distinguish reliably between microscopic substrates. Rather than relying on preconceived models, I will use machine learning to learn the appropriate models directly from the data. Rather than performing a posteriori histological validation of these new microstructural models, I will acquire a priori histological data to directly inform this learning process, guaranteeing, for the first time, a close match between microstructural readouts obtained from MRI and invasive histology. Through these innovations, ADAMI will advance the field of medical imaging by introducing a groundbreaking data-driven approach to microstructure imaging which will significantly impact the understanding, diagnosis, and monitoring of brain diseases and beyond.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- NaturwissenschaftenNaturwissenschaftenOptikMikroskopie
- NaturwissenschaftenBiowissenschaftenHistologie
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Wir bitten um Entschuldigung ... während der Ausführung ist ein unerwarteter Fehler aufgetreten.
Sie müssen sich authentifizieren. Ihre Sitzung ist möglicherweise abgelaufen.
Vielen Dank für Ihr Feedback. Sie erhalten in Kürze eine E-Mail zur Übermittlungsbestätigung. Wenn Sie sich für eine Benachrichtigung über den Berichtsstatus entschieden haben, werden Sie auch im Falle einer Änderung des Berichtsstatus benachrichtigt.
Schlüsselbegriffe
Programm/Programme
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) ERC-2023-COG
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
HORIZON-ERC -Gastgebende Einrichtung
2000 Antwerpen
Belgien