• Jump to content
  • Jump to navigation
  • Jump to bottom of page
Simulate organization breadcrumb open Simulate organization breadcrumb close
Pattern Recognition Lab
  • FAUTo the central FAU website
  • Campo
  • UnivIS
  • Jobs
  • Map
  • Help

Pattern Recognition Lab

Navigation Navigation close
  • Overview
    • Contact
    • Directions
    Portal Overview
  • Team
    • Former PRL members
    Portal Team
  • Research
    • Research Groups
    • Research Projects
    • Pattern Recognition Blog
    • Beyond the Patterns
    • Publications
    • Research Demo Videos
    • Datasets
    • Competitions
    Portal Research
  • Teaching
    • Curriculum / Courses
    • Lecture Notes
    • Lecture Videos
    • Thesis / Projects
    • Free Machine and Deep Learning Resources
    • Free Medical Engineering Resources
    • LME Videos
    Portal Teaching
  • Lab
    • News
    • Ph.D. Gallery
    • Cooperations
    • Join the Pattern Recognition Lab
    Portal Lab
  1. Home
  2. Research
  3. Research Groups
  4. Other Projects
  5. Molecular Assessment of Signatures ChAracterizing the Remission of Arthritis

Molecular Assessment of Signatures ChAracterizing the Remission of Arthritis

In page navigation: Research
  • Beyond the Patterns
  • Competitions
  • Publications
  • Datasets

Molecular Assessment of Signatures ChAracterizing the Remission of Arthritis

Molecular Assessment of Signatures ChAracterizing the Remission of Arthritis

(Third Party Funds Single)

Overall project:
Project leader: Georg Schett, Uwe Sonnewald
Project members: Lukas Folle
Start date: April 1, 2020
End date: September 30, 2022
Acronym: MASCARA
Funding source: Bundesministerium für Bildung und Forschung (BMBF)
URL:

Abstract

MASCARA zielt auf eine detaillierte, molekulare Charakterisierung der
Remission bei Arthritis ab. Das Projekt basiert auf der kombinierten
klinischen und technischen Erfahrung von Rheumatologen, Radiologen,
Medizinphysikern, Nuklearmedizinern, Gastroenterologen,
grundlagenwissenschaftlichen Biologen und Informatikern und verbindet
fünf akademische Fachzentren in Deutschland. Das Projekt adressiert 1)
den Umstand der zunehmenden Zahl von Arthritis Patienten in Remission,
2) die Herausforderungen, eine effektive Unterdrückung der Entzündung
von einer Heilung zu unterscheiden und 3) das begrenzte Wissen über die
Gewebeveränderungen in den Gelenken von Patienten mit Arthritis. MASCARA
wird auf der Grundlage vorläufiger Daten vier wichtige mechanistische
Bereiche (immunstoffwechselbedingte Veränderungen, mesenchymale
Gewebereaktionen, residente Immunzellen und Schutzfunktion des Darms)
untersuchen, die gemeinsam den molekularen Zustand der Remission
bestimmen. Das Projekt zielt auf die Sammlung von Synovialbiopsien und
die anschließende Gewebeanalyse bei Patienten mit aktiver Arthritis und
Patienten in Remission ab. Die Gewebeanalysen umfassen
(Einzelzell)-mRNA-Sequenzierung, Massenzytometrie sowie die Messung von
Immunmetaboliten und werden durch molekulare Bildgebungsverfahren wie
CEST-MRT und FAPI-PET ergänzt. Sämtliche Daten, die in dem Vorhaben
generiert werden, werden in einem bereits bestehenden Datenbanksystem
mit den Daten der anderen Partner zusammengeführt und gespeichert. Das
Zusammenführen der Daten soll – mit Hilfe von maschinellem Lernen –
krankheitsspezifische und mit der Krankheitsaktivität verbundene
Mustermatrizen identifizieren.

Publications

  • Folle L., Liu C., Simon D., Meinderink T., Liphardt AM., Krönke G., Schett G., Maier A., Kleyer A.:
    Differential diagnosis of RA and PsA using neural networks on 3D bone shape of finger joints
    EULAR 2021 Congress (Paris, June 2, 2021 - June 5, 2021)
    In: Annals of the Rheumatic Diseases 2021 2021
    DOI: 10.1136/annrheumdis-2021-eular.383
    URL: https://ard.bmj.com/content/80/Suppl_1/86
    BibTeX: Download
  • Folle L., Meinderink T., Simon D., Liphardt AM., Krönke G., Schett G., Kleyer A., Maier A.:
    Deep learning methods allow fully automated segmentation of metacarpal bones to quantify volumetric bone mineral density
    In: Scientific Reports 11 (2021), p. 9697
    ISSN: 2045-2322
    DOI: 10.1038/s41598-021-89111-9
    BibTeX: Download
Friedrich-Alexander-Universität
Erlangen-Nürnberg

Schlossplatz 4
91054 Erlangen
  • Login
  • Intranet
  • Imprint
  • Privacy
  • Accessibility
Up