DAS PROJEKT IN ZAHLEN

People@4x
0

Projektbeteiligte Mitarbeiter

Standorte@4x
0

Partnerstandorte

Kohortenfälle@4x
0

Kohortenfälle

Subprojektvorschläge@4x
0

Subprojektvorschläge

PARTNER

Alle Universitätsradiologien 
in Deutschland sind Partner 
in diesem Verbundprojekt. 
Extrauniversitäre Forschungsinstitute 
ergänzen die Liste der Netzwerkpartner.

ZIELSETZUNG

Das Projekt wird als erstes
dieser Größenordnung
eine landesweite Infrastruktur
zur strukturierten Erfassung
radiologischer Daten von
Covid-19-Fällen errichten.

ARBEITSPAKETE

  • Schaffen der regulatorischen Voraussetzungen für die Installation
    der dezentralen und zentralen Netzwerkkomponenten, Verbindung
    der dezentralen Komponenten mit
    den lokalen Systemen.

  • Datenschutzrechtliche und ethische Voraussetzungen

  • Einrichtung der Backbone Infrastruktur

  • Softwareanpassung, Schnittstellen zwischen den Systemen, Bereitstellen
    der Tools

  • Installation  der dezentralen und zentralen  Netzwerkkomponenten

  • Harmonisierte, strukturierte Datenerhebung

  • Einspeisen der Bilddaten-Kohorte inklusive aller verfügbaren COVID-19-Bilddatensätze und Kontrollkohorte von non-COVID- 19 Fällen in die dezentrale Datenbank

  • Strukturierte Befunderhebung aller Datensätze und Erhebung der relevanten radiologischen / klinischen Parameter, Segmentierung von einem Teil der Datensätze

  • Qualitätsanalyse des Gesamtdatensatzes mittels automatisch erhobener Qualitätsparameter und stichprobenartiger Kreuzbefundung

  • Funktionalität der Bilddaten-basierten Kohortendefinition und Validierung strukturierter Auswertungen von  Bilddatensätzen anhand eines Kriterienkatalogs

  • Validierung der Interaktion von dezentraler und zentraler Datenauswertung in RACOON

  • Erstellung eines Visualisierungsdashboards zur übersichtlichen Darstellung des Datensatzes  (Surveillance)

  • Entwicklung eines generischen quantitativen Lungenanalysewerkzeugs zur automatischen Analyse und Beurteilung von  Lungenveränderungen bei Infektionskrankheiten.

  • Definition eines Workflows zur Erstellung von Pandemie-bezogenen Best-Practice-Empfehlungen für radiologische Abteilungen inklusive Überprüfung der Fernbefundungsfunktionalität

  • Ausbau und Weiterentwicklung der bereits funktionsfähigen E-Learning-Plattform (,,conrad’’ der DRG) an künftige Krisensituationen mit offener Bereitstellung der Inhalte und Gewährleistung des Informationsflusses zu allen radiologischen Abteilungen inkl. nicht-universitärer Häuser und Ärzt*innen in Niederlassung zwecks pandemie-spezifischer Wissensvermittlung

RACOON Project

  • Einrichten der Projektkoordination und dazugehörige Kommunikationsvorgänge

  • Gemeinsame Prozessdefinitionen mit der Forschungsdatenplattform des NUM, Abstimmung und Einrichtung der Governance

  • Maßnahmen der Prozesssicherung einrichten

  • Erstellung und Pflege der Webseite und der Projektdarstellung

  • Koordination der Projektmeetings,  Bewertung des Projektfortschritts und Maßnahmen zur Problemlösung

  • Berichtsmanagement gegenüber dem Projektträger
  • Erstellung eines CT basierten risikoorientierten Vorhersagemodell für COVID-19 (Rule-OUT)

  • Validierung eines bereits lokal validierten und publizierten Kategorisierungs-Systems für die CT-Bildgebung bei COVID-19 (COV-RADS) in multiplen Zentren

  • Screening für COVID-19 in prospektiven Studiendesign (CHANCE19, COBRA-2)

PUBLIKATIONEN

  • Meaningful use of imaging resources to rule out cerebral venous sinus thrombosis after ChAdOx1 COVID-19 vaccination: Evaluation of the AHA diagnostic algorithm with a clinical cohort and a systematic data review. 
    Fervers P, Kottlors J, Persigehl T, Lennartz S, Maus V, Fischer S, Styczen H, Deuschl C, Schlamann M, Mpotsaris A, Zubel S, Schroeter M, Maintz D, Fink GR, Abdullayev N. J Clin Neurosci. 2022 Aug; 102:5-12. doi: 10.1016/j.jocn.2022.05.031. Epub 2022 Jun 6.

  • CODEX Meets RACOON – A Concept for Collaborative Documentation of Clinical and Radiological COVID-19 Data. 
    Schmidt M, Gebauer S, Bartholmes A, Kadioglu D, Kleesiek J, Hamm B, Vogl TJ, Penzkofer T, Bucher AM, Storf H. Stud Health Technol Inform. 2022 Aug 17;296:58-65. doi: 10.3233/SHTI220804. PMID: 36073489.

  • Towards Real-World Federated Learning in Medical Image Analysis Using Kaapana.
    Kades, K., Scherer, J., Zenk, M., Kempf, M., & Maier-Hein, K. (2022). In Lecture Notes in Computer Science (pp. 130–140). Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-18523-6_13

  • Possible Alterations of Imaging Patterns in Computed Tomography for Delta-VOC of SARS-CoV-2. 
    Yüksel C, Sähn MJ, Kleines M, Brokmann JC, Kuhl CK, Truhn D, Ritter A, Isfort P, Schulze-Hagen MF. Rofo. 2022 Nov;194(11):1229-1241. doi: 10.1055/a-1826-0436. Epub 2022 Jul 18. PMID: 35850138

  • Chronic-intermittent diffuse alveolar hemorrhage of unknown origin. 
    Haag F, Pech M, Surov A. Rofo. 2023 Mar 2. doi: 10.1055/a-2018-3464.

  • Visceral to subcutaneous fat ratio predicts short-term mortality in patients with Covid 19. A multicenter study.
    Surov A, Thormann M, Kardas H, Hinnerichs M, Omari J, Cingöz E, Cingöz M, Dursun M, Kormaz İ, Orhan Ç, Yıldız Ö, Hocaoğlu E, Inci E, Önder H, Erk H, Chousein O, Sasani H, Gönen KA, Pech M, Wienke A. Br J Radiol. 2023 Mar 1;96(1144):20220869. doi: 10.1259/bjr.20220869

  • Prognostic Role of the Pectoralis Musculature in Patients with COVID-19. A Multicenter Study. 
    Surov A, Kardas H, Besutti G, Pellegrini M, Ottone M, Onur MR, Atak F, Erdemir AG, Hocaoglu E, Yıldız Ö, Inci E, Cingöz E, Cingöz M, Dursun M, Korkmaz İ, Orhan Ç, Strobel A, Wienke A, Pech M. Acad Radiol. 2023 Jan;30(1):77-82. doi: 10.1016/j.acra.2022.05.003

  • CT-defined pectoralis muscle mass and muscle density are associated with mortality in acute pulmonary embolism. A multicenter analysis. 
    Meyer HJ, Kardas H, Bär C, Schramm D, Wienke A, Borggrefe J, Surov A. Clinical Nutrition 2023 Vol. 42 Issue 6p1036–1040

  • Quantitative Evaluation of COVID-19 Pneumonia CT Using AI Analysis—Feasibility and Differentiation from Other Common Pneumonia Forms.
    Ebong U, Büttner, SM, Schmidt SA, Flack F, Korf P, Peters L, Grüner B, Stenger S, Stamminger T, Kestler H, Beer M, Kloth C Diagnostics (Basel). 2023 Jun 13, 2129. https://doi.org/10.3390/diagnostics13122129

  • Added value of chest CT in a machine learning-based prediction model to rule out COVID-19 before inpatient admission: a retrospective university network study.
    Krämer M., Ingwersen M., Teichgräber U., Güttler F., RACOON Consortium. (2023). European Journal of Radiology, Volume 0, Issue 0, 110827. Doi: https://doi.org/10.1016/j.ejrad.2023.110827

  • Physiological iodine uptake of the spine’s bone marrow in dual-energy computed tomography – using artificial intelligence to define reference values based on 678 CT examinations of 189 individuals.
    Fervers P, Fervers F, Rinneburger M, Weisthoff M, Kottlors J, Reimer R, Zopfs D, Celik E, Maintz D, Große-Hokamp N, Persigehl T. Front Endocrinol (Lausanne). 2023 May 19; 14:1365.

  • AI support for accurate and fast radiological diagnosis of COVID-19: an international multicenter, multivendor CT study. 
    Meng F, Kottlors J, Shahzad R, Liu H, Fervers P, Jin Y, Rinneburger M, Le D, Weisthoff M, Liu W, Ni M, Sun Y, An L, Huai X, Móré D, Giannakis A, Kaltenborn I, Bucher A, Maintz D, Zhang L, Thiele F, Li M, Perkuhn M, Zhang H, Persigehl T. Eur Radiol. 2023 Jun; 33(6):4280–91.

  • Morphological appearance of the B.1.1.7 mutation of the novel coronavirus 2 (SARS-CoV-2) in chest CT.
    Kottlors J, Fervers P, Geißen S, Gertz RJ, Bremm J, Rinneburger M, Weisthoff M, Shahzad R, Maintz D, Persigehl T. Quant Imaging Med Surg. 2023 Feb 1; 13(2):1058–70.

  • Collaborative training of medical artificial intelligence models with non-uniform labels.
    Soroosh Tayebi Arasteh, Peter Isfort, Marwin Saehn, Gustav Mueller-Franzes, Firas Khader, Jakob Nikolas Kather, Christiane Kuhl, Sven Nebelung, Daniel Truhn Sci Rep. 2023; 13: 6046.

  • The German Network of University Medicine: technical and organizational approaches for research data platforms. 
    Heyder R; NUM Coordination Office; NUKLEUS Study Group; NUM-RDP Coordination; RACOON Coordination; AKTIN Coordination; GenSurv Study Group. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz. 2023 Feb;66(2):114-125. German. doi: 10.1007/s00103-022-03649-1.

  • Continual atlas-based segmentation of prostate MRI.
    Ranem A, González C, Santos DP dos, Bucher AM, Othman AE, Mukhopadhyay. arXiv; 2023. Available from: https://arxiv.org/abs/2311.00548

  • Self-supervised pre-training with contrastive and masked autoencoder methods for dealing with small datasets in deep learning for medical imaging.
    Wolf D, Payer T, Lisson CS, Lisson CG, Beer M, Götz M. Vol. 13, Scientific Reports. Springer Science and Business Media LLC; 2023. Available from: http://dx.doi.org/10.1038/s41598-023-46433-0

  • Interpretable Medical Image Classification Using Prototype Learning and Privileged Information.
    Gallée L, Beer M, Götz M. Lecture Notes in Computer Science. Springer Nature Switzerland; 2023. p. 435–45. Available from: http://dx.doi.org/10.1007/978-3-031-43895-0_41

  • Pericardial Effusion Predicts Clinical Outcomes in Patients with COVID-19: A Nationwide Multicenter Study.
    Bucher AM, Henzel K, Meyer HJ, Ehrengut C, Müller L, Schramm D. Academic Radiology. Elsevier BV; 2023. Available from: http://dx.doi.org/10.1016/j.acra.2023.12.003

  • Myosteatosis predicts short-term mortality in patients with COVID-19. A multicenter analysis.
    Surov A, Meyer HJ, Ehrengut C, Zimmermann S, Schramm D, Hinnerichs M. Nutrition. Elsevier BV; 2023. p. 112327. Available from: http://dx.doi.org/10.1016/j.nut.2023.112327

  • CT coronary artery calcification score as a prognostic marker in COVID-19.
    Meyer HJ, Gottschling S, Borggrefe J, Surov A. Vol. 15, Journal of Thoracic Disease. AME Publishing Company; 2023. p. 5559–65. Available from: http://dx.doi.org/10.21037/jtd-23-728

  • Epikardiales Fettgewebe als prognostischer Marker bei akuter Lungenembolie.
    Aghayev A, Hinnerichs M, Wienke A, Meyer HJ, Surov A. Herz. Springer Science and Business Media LLC; 2023. Available from: http://dx.doi.org/10.1007/s00059-023-05210-5

  • CT coronary calcium score is a prognostic marker in acute pulmonary embolism.
    Meyer HJ, Gottschling S, Bär C, Wienke A, Borggrefe J, Surov A. Vol. 229, Thrombosis Research. Elsevier BV; 2023. p. 255–7. Available from: http://dx.doi.org/10.1016/j.thromres.2023.07.010

  • Clinical importance of thoracal lymphadenopathy in COVID-19.
    Meyer HJ, Melekh B, Wienke A, Jan Borggrefe, Surov A. Vol. 16, Journal of Infection and Public Health. Elsevier BV; 2023. p. 1244–8. Available from: http://dx.doi.org/10.1016/j.jiph.2023.05.031

  • Chronisch-intermittierende diffuse alveoläre Hämorrhagien mit unklarer Genese.
    Haag F, Pech M, Surov A. Vol. 195, RöFo – Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren. Georg Thieme Verlag KG; 2023. p. 620–2. Available from: http://dx.doi.org/10.1055/a-2018-3464

  • Classifying sex with volume-matched brain MRI.
    Ebel M, Domin M, Neumann N, Schmidt CO, Lotze M, Stanke M. Vol. 3, Neuroimage: Reports. Elsevier BV; 2023. p. 100181. Available from: http://dx.doi.org/10.1016/j.ynirp.2023.100181

  • Survival prediction of NSCLC patients using fully automated CT-based body composition analysis of the abdominal cavity. 
    Künnemann M-D, Römer C, Helfen A, Schuler M, Bleckmann A, Nensa F, Heindel W, Hosch R.  (Angenommen beim RöKo, finale Einreichung steht aus)

  • Validation of clinical-radiological scores for prognosis of mortality in acute pulmonary embolism.
    Surov A, Thormann M, Bär C, Wienke A, Borggrefe J.  Respir Res. 2023 Aug 5;24(1):195.

  • Disease Course and Pulmonary Involvement of COVID-19 during the Delta Variant Period in Germany: A Comparative Study of Vaccinated and Unvaccinated Patients at a Tertiary Hospital. 
    Steuwe A, Ljimani A, Andree M, Wienemann T, Lübke N, Walker A, Jensen BEO, Radke KL, the RACOON study group , Antoch G  and Valentin B.  BMS, to be published 2024

 

Stand der Liste vom 01.02.2024

PRESSEMITTEILUNGEN

Berlin, 17.01.24 – Vorstellung RACOON, NUM Convention

Chicago, 29.11.2023 – Vortrag der RACOON Re-Ident Studie auf dem RSNA

Hessenschau, 12.10.2023 – Vorstellung RACOON in der Hessenschau, Hessenfernsehen.

Wien, März 2023 – RACOON Meeting auf dem ECR

Medical Image Analysis, August 2022 Automatisierte Qualitätskontrolle im RACOON: Die Mahalanobis Distanz zwischen Training Features kann out-of-distribution Datensätze identifizieren
DRG, Juli 2022 „RACOON ist insofern sensationell, als es uns […] gelungen ist, ausnahmslos alle unsere Universitätsradiologien in das Projekt aufzunehmen.“

ECR, Juli 2022 RACOON war in Wien mit Ergebnissen aus RACOON-Projekten in 6 wissenschaftlichen Präsentationen vertreten.

ECR, Juli 2022 RACOON in der Eröffnung des European Congresses of Radiology, Medallienverleihung Prof. B. Hamm

DRG Mitteilung, Juli 2022 Netzwerk RACOON: Radiologische Forschung in der Entwicklung
Charité Berlin, Mai 2022 der erste RACOON Workshop in Präsenz fand auf dem Virchow Campus statt
Rofo 2022 Jan; Epub 2021 Dec 15. RACOON: Das Radiological Cooperative Network zur Beantwortung der großen Fragen in der Radiologie
FAZ, 13. Dezember 2021 „Was so logisch und einfach klingt, gilt als Meilenstein der Medizingeschichte.“
Chicago 30.11.2021 Präsentation „RACOON: Building a nationwide radiological infrastructure for collaborative imaging research on COVID-19“
Remscheid 13.11.2021 Deutsche Röntgengesellschaft verleiht Hermann-Rieder-Medaille an Koordinationsteam des radiologischen Forschungsnetzwerkes RACOON

Deutsches Ärzteblatt, 4. November 2021  „Ziel ist eine umfassende und strukturierte Erfassung radiologischer Daten zu COVID-19.“

Frankfurt LIVE 05.11.2021„Mit dem Netzwerk existiert nun eine landesweite Infrastruktur zur konsequent strukturierten Erfassung radiologischer Daten von COVID-19-Fällen.“