Abstract
Hyperspectrale beeldvorming (HSI) is een geavanceerde beeldvormingstechniek die licht over het gehele magnetische spectrum in een tweedimensionale ruimte vastlegt. In tegenstelling tot conventionele RGB-camera's, die slechts drie banden (rood, groen en blauw) van zichtbaar licht vastleggen, leggen hyperspectrale beeldvormers honderden smalle, aaneengesloten banden vast, variërend van ultraviolet tot infrarood en dus buiten ons gezichtsveld. De extra spectrale signatuur maakt HSI een zeer gewilde technologie voor de identificatie van diverse soorten materialen. Hoewel hyperspectrale beeldvorming (HSI) al lang bestaande toepassingen heeft in gebieden zoals teledetectie, landbouw en milieumonitoring, is er ook een groeiende belangstelling vanuit de medische wereld. Deze interesse wordt niet alleen ingegeven door de rijke spectrale informatie van HSI, maar ook door het onschadelijke karakter ervan, in tegenstelling tot bijvoorbeeld de modernste fluorescentiemicroscopie, die bijwerkingen kan veroorzaken. Men is van mening dat HSI een groot potentieel heeft om chirurgische begeleiding bij gastro-enterologie en neuro-oncologie te verbeteren, maar ook van waarde is voor pathologie en vele andere subgebieden van de geneeskunde.
Dit promotietraject richt zich op het ontwerpen van efficiënte methoden voor het leren van representaties voor de analyse van hyperspectrale beelden uit medische toepassingen. Dit wordt aangevuld met een algemene aanpak voor de interpreteerbaarheid van verschillende hyperspectrale banden voor deze medische taken en de koppeling hiervan aan biologisch relevante processen. Op basis van deze inzichten kan een algemeen raamwerk worden ontwikkeld om de meest relevante banden voor een bepaalde medische taak te identificeren, rekening houdend met domeinkennis over sensorontwerp.
Onderzoeker(s)
Onderzoeksgroep(en)
Project type(s)