eRapport

Development of Volumetric MR Spectroscopy for Spatial Metabolic Imaging of the Brain

Prosjekt
Prosjektnummer
2021023
Ansvarlig person
Jonn Terje Geitung
Institusjon
Akershus universitetssykehus HF
Prosjektkategori
Doktorgradsstipend
Helsekategori
Neurological
Forskningsaktivitet
4. Detection and Diagnosis
Rapporter
2024
Kandidaten er ferdig med datainnsamling og resultatanalyse av samtlige artikler som skal inngå i avhandlingen. Det gjenstår å få artiklene publisert, og å skrive kappe.Følgende artikler er i forskjellige stadier av skriving, review eller kommunikasjon med editor: 1) Four-fold Upscaling Synthetic Metabolite Maps from Human Brain. Forf: Erin Beate Bjørkeli1,2, Jonn Terje Geitung1,2 Morteza Esmaeili1,3 2) Deep Neural Network Modeling for Brain Tumor Examination Using Magnetic Resonance Spectroscopic Imaging. Forf: Erin B. Bjørkeli1,2, Knut Johannessen3, Jonn Terje Geitung1,2, Anna Karlberg 3,4, Live Eikenes 3, Morteza Esmaeili1,5 3) High-Resolution MR Spectroscopy Imaging with 18F-FACBC PET: A Novel Strategy to Improve Glioma Diagnosis and Surgical Precision. Erin B. Bjørkeli1,2*, Anna Karlberg3,4, Benedikte Emilie Vindstad3, Lars Kjeldsberg Pedersen5,6, Ole Skeidsvoll Solheim7, Jonn Terje Geitung1,2, Morteza Esmaeili1,8, Live Eikenes3 Dessuten er en fjerde artikkel i manus, forventes sendt i februar. Alle artiklene er basert på håndtering av MR-spektroskopidata, tilgjengelige over nett fra andre institusjoner. Det er ikke pasientdata, selv om det en gang har vært det, så er det nå rensede data. Disse er tilgjengelige for å drive med avansert håndtering av modeller for å bedre teknikk og dermed diagnostikk. Alle artiklene dreier seg om å kunne få bedre håndtering av nevrologiske undersøkelser. 3 artikler om MR spektroskpi og en artikkel hvor man har blandet MR spektroskop og MR-PET.

Kandidaten har tidligere hatt opphold i Berlin. Ingen utenlandsopphold i denne perioden.

2023
Gjennomført midtveisevaluering i PhD-løp. Er tidligere nesten ferdig med alle PhD-kurs. Innhentet og bearbeidet data. Sendt en artikkel til tidsskrift.Kandidaten var sykmeldt en stor del av vår og sommer, ble mor i høst og er nå i mammapermisjon. Det ble gjennomført halvtidsevaluering av PhD tidlig i 2023. Første del av året: Gjennomført PhD-kurs, er nå enten ferdig eller mangler mindre enn 5 studiepoeng. Midtveisevaluering gjennomført. Mars-oktober sykmeldt. Deretter i mammapermisjon. Det er sendt inn en artikkel basert på arbeidet hun hadde gjort før hun ble sykmeldt.

Kandidaten har tidligere hatt 6 mndr opphold i Berlin.

2022
We have examined deep learning algorithms to analyze magnetic resonance spectroscopic imaging (MRSI) and magnetic resonance (MR) spectroscopy data, focusing on detecting isocitrate dehydrogenase (IDH) mutations.We have continued working on deep learning algorithms for processing and analyzing data from magnetic resonance (MR) spectroscopy, focusing on detecting IDH mutations. This resulted in a conference paper, «Domain-Transformation of MRS-derived Time Series with Deep Learning» which has been submitted for ISMRM 2023. We have collaborated with an AI-based industrial partner in Germany. This collaboration aimed to explore state-of-the-art AI algorithms to identify and classify MR spectra acquired from different subjects and institutions. In particular, we aim to detect cancer-origin spectra from healthy-origin MR spectra. This task resulted in one conference paper, «A Debiased Autoencoder for Glioma Detection in Spectroscopic MRI» for AI Innovations 2022, presented by the Ph.D. candidate at the conference. The Ph.D. candidate performed this study in Berlin during a research stay of six months. In addition, the candidate submitted more updated and refined experiments to two international conferences: ISMRM and OHBM.

YES, six months with Merantix Momentum in Berlin, Germany.

2021
Develop an Artificial Intelligence (AI)-based platform for analyzing magnetic resonance spectroscopic imaging (MRSI) data automatically We have examined deep learning algorithms for processing and analyzing data from magnetic resonance (MR) spectroscopy, focusing on detecting isocitrate dehydrogenase (IDH) mutations.We have examined deep learning algorithms for processing and analyzing data from MR spectroscopy, focusing on detecting IDH mutations. We aimed to develop an automated MRSI analysis platform in the first task. This has resulted in two conference abstracts, “Domain- Transformation of MRI-derived Time Series with Deep Learning” for Nordic AI meet 2021; “A Deep Neural Network for Detection of Glioblastomas in Spectroscopic MRI ” for ISMRM 2022, the first of which have been presented at the conference. We have implemented deep learning algorithms for processing and analyzing data from magnetic resonance (MR) spectroscopy, focusing on detecting IDH mutations. This is part of the main task (to develop automated MRSI analysis). This has resulted in two conference abstracts, “Domain- Transformation of MRI-derived Time Series with Deep Learning” for Nordic AI meet 2021; “A Deep Neural Network for Detection of Glioblastomas in Spectroscopic MRI ” for ISMRM 2022, the first of which have been presented at the conference. We have also worked on the segmentation of brain tumors in MR images using deep learning to detect specific mutations in the tumor. This resulted in one conference abstract, “A Deep-Learning Based Glioma Segmentation with Classification of IDH Mutation Status, “submitted to the human brain mapping 2022. We have started a collaboration with an AI-based industrial partner in Germany. We aim to develop deep learning algorithms with specific focus on medical domains.

NO

Vitenskapelige artikler
Bjørkeli EB, Esmaeili M, Geitung JT, Schulze S, Wollmann T, Otterbach J

A Debiased Autoencoder for Glioma Detection in Spectroscopic MRI

AI Innovation, 2022

Bjørkeli EB, Geitung JT, Esmaeili M

Domain-Transformation of MRI-derived Time Series with Deep Learning

First Nordic Conference for Young AI researchers, 2021

Bjørkeli EB, Hansen T, Geitung JT, Esmaeili M

A Deep-Learning Based Glioma Segmentation with Classification of IDH Mutation Status

2022 Human Brain Mapping (OHBM)

Bjørkeli EB, Geitung JT, Esmaeili M

A Deep Neural Network for Detection of Glioblastomas in Spectroscopic MRI

2022 ISMRM & SMRT Virtual Conference & Exhibition

Deltagere
  • Erin Beate Bjørkeli Doktorgradsstipendiat (finansiert av denne bevilgning)
  • Morteza Esmaeili Hovedveileder
  • Jonn Terje Geitung Medveileder
  • Taher Hansen Prosjektdeltaker
  • Morteza Esmaeili Hovedveileder

eRapport er utarbeidet av Sølvi Lerfald og Reidar Thorstensen, Regionalt kompetansesenter for klinisk forskning, Helse Vest RHF, og videreutvikles av de fire RHF-ene i fellesskap, med støtte fra Helse Vest IKT

Alle henvendelser rettes til eRapport

Personvern  -  Informasjonskapsler