Automatische Knieknorpel-Analyse mit Deep Learning

Dienstag, 7. Juli 2026

Arthrose ist die weltweit häufigste Gelenkerkrankung und betrifft allein in Deutschland Millionen von Menschen. Eine frühzeitige Erkennung von Knorpelveränderungen im Knie ist entscheidend, um das Fortschreiten der Krankheit zu verlangsamen. Doch die manuelle Analyse von MRT-Aufnahmen ist zeitaufwendig und stark untersucherabhängig.

Dieses Projekt automatisiert die Knieknorpel-Analyse mithilfe von Deep Learning. Ein moderner 3D-Transformer segmentiert automatisch anatomische Strukturen in MRT-Volumendaten: Femur-, Tibia- und Patellaknorpel sowie beide Menisken. Anschließend berechnet ein geometrisches Verfahren basierend auf 3D-Mesh-Normalen die Knorpeldicke in Millimetern, vergleichbar mit der Präzision manueller Expertenmessungen.

Das System wurde auf dem IWOAI-Datensatz trainiert und erreicht hohe Segmentierungsgenauigkeiten bei gleichzeitig vollautomatischer Verarbeitung: von der MRT-Aufnahme bis zur quantitativen Dickenmessung. Die Ergebnisse liefern Radiologen objektive, reproduzierbare Messwerte zur Unterstützung der Arthrosefrüherkennung.