Zum Hauptinhalt springen

SPARCMAT

Sparkling-Science-Matrix

In diesem Projekt werden in Zusammenarbeit mit Studierenden der HTBLuVA Salzburg, Studienzweig Biomedizin und Gesundheitstechnik, modernste Methoden zur Quantifizierung von Gewebeschäden entwickelt.

Verletzungen und krankhafte Veränderungen von Sehnen stellen eine große Herausforderung für die Orthopädie dar, besonders, weil die Zahl dieser Erkrankungen mit dem Alter stark zunimmt und verletzte Sehnen schlecht heilen. Neben Entzündungsprozessen sind Veränderungen in der Sehnenstruktur und den Sehnenzellen ausschlaggebend für die Entstehung und das Fortschreiten der Sehnenerkrankungen. 
Neue Studien an verschiedenen Geweben zeigen, dass Veränderungen in der Sehnenstruktur zu einem veränderten Stoffwechsel der darin eingebetteten Zellen führen, und so eine schlechtere Heilung und die Ausbildung von Narben bedingen. Erste Ergebnisse lassen vermuten, dass ähnlich deregulierte Stoffwechselprozesse zur schlechten Heilungsfähigkeit der Sehnen beitragen. Die Hintergründe sind jedoch noch kaum bekannt. 

Ein Ziel des Projektes ist es, diese Prozesse mit umfangreichen molekular- und zellbiologischen Methoden zu untersuchen. Weiters wird eine digitale Plattform zur automatisierten und objektiven Auswertung von mikroskopischen Gewebeschnitten angestrebt. Die Schülerinnen und Schüler der HTBLuVA Salzburg entwickeln dazu gemeinsam mit allen Kooperationspartner*innen entsprechende Softwaretools zur automatisierten Quantifizierung von digitalen Aufnahmen von Sehnen mittels KI-basierten Techniken (z.B. „Deep learning“ und Segmentierungsverfahren) und integrieren diese in eine benutzerfreundliche App. Die Schüler und Schülerinnen lernen dabei sowohl den technischen als auch den biologischen Hintergrund der noch sehr neuen KI-basierten digitalen Pathologie aus erster Hand kennen. 

Der Hauptbeitrag der Fachhochschule Salzburg besteht in der Analyse der erstellten und digitalisierten Gewebeschnitte mittels KI-basierten Techniken. Wissen, welches in der Forschung und in Masterarbeiten generiert wird, wird innerhald des Projekts in ein für Life-Scientists nutzbares Werkzeug einfließen. Somit entsteht ein Beitrag im Bereich der Bildverarbeitung ebenso wie im Bereich der Medizin/Biologie.

Das Projekt wird durch das Bundesministerium für Bildung, Wissenschaft und Forschung (BMBWF) sowie durch die Agentur für Bildung und Internationalisierung (OeAD) im Rahmen des Forschungsförderprogrammes „Sparkling Science 2.0“ gefördert. 

Foto: FH Salzburg/Designed by pch.vector, Freepik

Konsortialkoordinator: Paracelsus Medizinische Privatuniversität Salzburg, Institut für Sehnen- und Knochenregeneration
Projektleitung (FHS): Michael Gadermayr
Laufzeit: 10/2022 - 09/2025
Fördergeber: BMBWF, OeAD
Keywords: Image Processing, Machine Learning, Histopathology, Data Science
Projektwebsite
DE: SPARCMAT - Sparkling-Science-Matrix
EN: SPARCMAT - Sparkling-Science-Matrix