Project

Het in kaart brengen van het lymfatisch netwerk van de hals en schouder regio voor toekomstige machine learning gedreven behandelingstoepassingen voor kanker patiënten.

Code
1202224N
Looptijd
01-10-2023 → 30-09-2026
Financiering
Fonds voor Wetenschappelijk Onderzoek - Vlaanderen (FWO)
Mandaathouder
Onderzoeksdisciplines
  • Medical and health sciences
    • Anatomy
    • Radiation therapy
    • Medical imaging and therapy not elsewhere classified
  • Engineering and technology
    • Biomedical image processing
Trefwoorden
Translationeel anatomisch onderzoek Retro retrograde lymfatische injectie methodologie Ruimtelijk nauwkeurige visualisatie van het lymfestelsel
 
Projectomschrijving

Het lymfatisch system werd reeds in de jaren 1800 en 1900 gedocumenteerd in anatomische atlassen. Deze atlasplaten worden nog steeds gebruikt, ondanks gekende gebreken en de beschikbaarheid van moderne medische beeldvormingstechnieken. Dit project zal door middel van moderne medische beeldvormingstechnieken het lymfatisch systeem in kaart brengen voor meer accurate, 3D visualisaties van het lymfatisch netwerk van de nek en schouder regio in relatie tot de omliggende anatomie. Door optimalisatie van een eerder ontwikkelde retrograde lymfatische injectietechniek zal radiografische contraststof ingespoten worden, gevolgd door CT en micro CT scans voor het vastleggen van de data in een spatiaal accuraat coördinatensysteem. De research data kunnen gebruikt worden voor een diepgaande her-evaluatie van de bestaande atlas platen en de geoptimaliseerde lymfatische injectie techniek kan aan de lymfatische research community geleerd worden. Onderzoekers die de techniek leren in ons trainingscentrum zullen helpen bij het snel verzamelen van nieuwe lymfatische onderzoek data, ook voor andere regio’s van het lichaam. Door alle lymfatische onderzoek data te bundelen in een database kan de lymfatische anatomie van grote aantallen lichamen vastgelegd worden en kan de anatomische variatie binnen individuen gecapteerd worden. Deze database kan in de toekomst (niet binnen dit project) als basis dienen voor machine learning gedreven applicaties voor patiënten.