Die zentrale Rolle von Mikroprozessoren in der medizinischen Bildgebung

Mikroprozessoren sind die versteckten Motoren, die moderne medizinische Bildgebungsgeräte antreiben und rohe Sensordaten in detaillierte anatomische und funktionale Bilder umwandeln. In Geräten, die von Magnetresonanztomographie (MRT)-Scannern bis hin zu Computertomographie (CT)-Systemen und Ultraschallmaschinen reichen, führen diese integrierten Schaltungen Milliarden von Anweisungen pro Sekunde aus, um Bilder mit Submillimeter-Auflösung zu rekonstruieren. Ihre Fähigkeit, komplexe Algorithmen in Echtzeit zu handhaben, ist zu einem Eckpfeiler der diagnostischen Radiologie geworden und beeinflusst direkt die Geschwindigkeit, Qualität und Zuverlässigkeit klinischer Bildgebungs-Workflows.

Im Gegensatz zu Allzweck-Desktopprozessoren müssen Mikroprozessoren, die in der medizinischen Bildgebung verwendet werden, strenge Anforderungen an deterministisches Timing, niedrige Latenz und hohen Durchsatz erfüllen. Sie verwalten den synchronisierten Betrieb von Gradientenspulen, Röntgenröhren, Wandlerarrays und Detektorfeldern, während sie gleichzeitig Rauschfilterung, Bewegungskorrektur und Bildrekonstruktion durchführen. Ohne diese spezialisierten Prozessoren wären die klaren Querschnittsansichten und dreidimensionalen Rekonstruktionen, auf die sich Kliniker für genaue Diagnosen verlassen, nicht möglich. Für einen Überblick darüber, wie die Prozessorarchitektur die Leistung von medizinischen Geräten beeinflusst, siehe diese ]RSNA Ressource für Datenwissenschaft in der Radiologie .

Wichtige Beiträge zur Diagnosegenauigkeit

Die diagnostische Genauigkeit eines Bildgebungssystems hängt von seiner Fähigkeit ab, feine Details aufzulösen, Artefakte zu minimieren und Informationen in einer klinisch nützlichen Form zu präsentieren. Mikroprozessoren tragen zu diesen Zielen durch mehrere verschiedene Mechanismen bei, die in jeder Phase der Bildgebungspipeline funktionieren.

Echtzeit-Datenverarbeitung und -rekonstruktion

Rohdaten von Bildsensoren - ob k-Raumdaten aus MRT, Sinogramme aus CT oder strahlgeformte Echos aus Ultraschall - müssen verarbeitet werden, bevor ein vom Menschen lesbares Bild entsteht. Mikroprozessoren führen Fourier-Transformationen, gefilterte Rückprojektion und iterative Rekonstruktionsalgorithmen in Echtzeit aus, wobei oft innerhalb von Sekunden ein volles Bildvolumen abgeschlossen wird. Diese Geschwindigkeit ist für die interventionelle Führung (z. B. CT-geführte Biopsien) und für die Minimierung von Patientenbeschwerden während Atemhaltescans unerlässlich.

Bildverstärkungsalgorithmen

Sobald ein Grundbild gebildet ist, führen Mikroprozessoren eine Reihe von Verbesserungsalgorithmen aus, um die Klarheit zu verbessern und das Rauschen zu reduzieren. Adaptive Filterung, Kantenvergrößerung und Histogrammentzerrung werden automatisch angewendet, wodurch subtile Läsionen in einen schärferen Fokus gebracht werden. In der digitalen Radiographie kann beispielsweise die Nachverarbeitung Über- oder Unterbelichtung kompensieren, wodurch die Notwendigkeit von Wiederholungsuntersuchungen reduziert wird. Ausgefeiltere Techniken, wie z. B. modellbasierte iterative Rekonstruktion (MBIR), verwenden statistische Modelle, um das Rauschen zu unterdrücken, während anatomische Details erhalten bleiben - eine Fähigkeit, die die Erkennung von kontrastreichen Pathologien bei CT-Scans direkt verbessert. Diese Algorithmen sind rechenintensiv, werden aber aufgrund der hohen Taktgeschwindigkeiten und Parallelität auf Befehlsebene, die in modernen Prozessoren verfügbar sind, praktisch.

Automatisierte Erkennung und Entscheidungsunterstützung

Mikroprozessoren hosten jetzt neuronale Netzwerk-Inferenz-Engines, die computergestützte Detektionssysteme (CAD) betreiben. Diese Systeme scannen Bilder nach verdächtigen Mustern - Lungenknoten auf Röntgenaufnahmen der Brust, Mikrokalkulationen auf Mammogrammen oder intrakranielle Blutungen auf CT-Köpfen ohne Kontrast - und markieren sie für die radiologe Überprüfung. Die Rolle des Prozessors besteht darin, diese Modelle effizient auszuführen, oft unter Verwendung von quantisierter Ganzzahlmathematik oder dedizierten Tensorkernen, um Inferenzzeiten unter einer Sekunde zu erreichen. Eine solche Automatisierung reduziert Wahrnehmungsfehler und verbessert die Empfindlichkeit, insbesondere in hochvolumigen Screening-Einstellungen. Eine 2023-Studie in Radiologie ergab, dass CAD-unterstütztes Lesen die Lungenknotenerkennung um 12% erhöhte, ohne einen signifikanten Anstieg der falsch positiven Werte, was den klinischen Wert der Onboard-Verarbeitung unterstreicht.

Patientenspezifische Protokollanpassung

Mikroprozessoren ermöglichen es Bildgebungsgeräten, Aufnahmeparameter auf die Anatomie und Physiologie jedes Patienten zuzuschneiden. Zum Beispiel verwenden MRI-Scanner Echtzeit-B1-Mapping und Shimming-Anpassungen, um Flipwinkel und Magnetfeldhomogenität zu optimieren und den Body Habitus zu kompensieren. CT-Systeme modulieren automatisch den Strom und die Spannung der Röhre basierend auf Scout-Bildern, reduzieren die Strahlendosis für kleinere Patienten bei gleichzeitiger Aufrechterhaltung der Bildqualität. Ultraschallstrahlformer passen die Fokuszonen und die Apodisierung als Reaktion auf die Gewebetiefe und -abschwächung an. Diese adaptiven Protokolle beruhen auf der Fähigkeit des Prozessors, Feedback-Signale schnell zu analysieren und Einstellungen im mittleren Scan zu rekalkulieren, um eine konsistente diagnostische Qualität in einer vielfältigen Patientenpopulation zu gewährleisten.

Spezifische Anwendungen über alle Imaging-Modalitäten hinweg

Jede Imaging-Modalität stellt einzigartige Anforderungen an das Mikroprozessordesign, was zu spezialisierten Lösungen führt, die sich über Jahrzehnte der technischen Verfeinerung entwickelt haben.

Magnetresonanzbildgebung (MRT)

MRI-Scanner verwenden leistungsstarke Gradienten- und HF-Subsysteme, die von mehreren Mikroprozessoren gemeinsam gesteuert werden. Ein Prozessor verwaltet die Erzeugung und das Abschatten von Gradientenwellenformen, ein anderer verarbeitet die Erzeugung von HF-Pulsen und das Auslesen von Empfangsspulen-Arrays und ein dritter führt Bildrekonstruktionen durch. Moderne 3T- und 7T-Systeme enthalten feldprogrammierbare Gate-Arrays (FPGAs), um die massiven Datenströme von Mehrkanalspulen (bis zu 128 Kanälen) mit deterministischem Timing zu verarbeiten. Die Fähigkeit des Prozessors, komplexe Pulsfolgen auszuführen - wie Diffusionstensor-Bildgebung, arterielle Spin-Etiketten und dynamische kontrastverstärkte Perfusion - wirkt sich direkt auf den klinischen Nutzen des Scans aus. Fortschritte in der parallelen Bildgebung wie GRAPPA und SENSE sind stark auf die Prozessorgeschwindigkeit angewiesen, um die Erfassungszeiten zu reduzieren.

Computertomographie (CT)

Bei CT orchestriert der Mikroprozessor die Rotation der Röntgenquelle und des Detektors, während er gleichzeitig Projektionsdaten aus Hunderten von Detektorzeilen erfasst. Jede Rotation kann Tausende von Blickwinkeln erzeugen, von denen jede eine Kalibrierung, Verstärkungskorrektur und logarithmische Verarbeitung erfordert. Der Prozessor führt dann die Rekonstruktion durch - jetzt normalerweise iterativ - um axiale Schichten zu erzeugen, die weiter zu sagittalen, koronalen und dreidimensionalen Volumina zusammengesetzt werden. Zwei-Energie-CT-Systeme fügen eine weitere Schicht der Komplexität hinzu, indem sie Daten auf zwei verschiedenen Röhrenpotentialen erfassen. Der Prozessor muss Energiebehälter unterscheiden und Materialzersetzungskarten erzeugen (z. B. Jod gegen Kalzium) in Echtzeit. Ohne effiziente Verarbeitung wären das für die koronare CT-Angiographie erforderliche Strahlendosismanagement und die zeitliche Auflösung nicht erreichbar.

Ultraschall

Ultraschallmaschinen haben enorm von miniaturisierten, leistungsschwachen Mikroprozessoren profitiert. Moderne Systeme verwenden Strahlformungschips, die Signale von Tausenden von piezoelektrischen Elementen in einem phasengesteuerten Array kombinieren, den Ultraschallstrahl dynamisch steuern und auf interessierende Regionen fokussieren. Der Prozessor demoduliert dann die Hochfrequenzsignale, wendet eine Protokollkompression an und führt eine Speckle-Reduktion und Kantenerkennung durch, um das B-Mode-Bild zu bilden. Die Dopplerverarbeitung - für Farbfluss, Leistungs-Doppler und spektralen Doppler - erfordert Autokorrelation in Echtzeit und schnelle Fourier-Transformationsberechnungen. Point-of-Care-Ultraschallgeräte (POCUS), die zunehmend in Notaufnahmen und in der Primärversorgung eingesetzt werden, verlassen sich auf kleine, aber leistungsstarke Prozessoren, die mehrere Stunden lang mit Batterieleistung betrieben werden können, während sie eine Bildqualität liefern, die der von wagenbasierten Systemen nahe kommt.

Digitale Radiographie und Fluoroskopie

In der digitalen Radiographie steuern Mikroprozessoren die Belichtungszeiten, lesen Flachbilddetektoren aus (amorphes Silizium oder CMOS) und führen Flachfeldkorrekturen und -heftungen für großflächige Bilder durch. Fluoroskopiesysteme erzeugen mit Prozessoren kontinuierliche Echtzeit-Bildsequenzen mit 15-30 Bildern pro Sekunde, wodurch die Belichtungsparameter automatisch angepasst werden, um eine gleichbleibende Helligkeit zu erhalten. Die Prozessoren behandeln auch die digitale Subtraktionsangiographie (DSA) durch Subtraktion eines Maskenbildes von Live-Frames, wodurch eine Visualisierung des Kontrastflusses durch Blutgefäße ermöglicht wird. Diese Funktionen erfordern eine minimale Latenz - idealerweise unter 50 ms - um eine Echtzeit-Katheterführung während interventioneller Verfahren zu ermöglichen.

Nuklearmedizin und molekulare Bildgebung

Gammakameras, SPECT und PET-Systeme sind auf Mikroprozessoren angewiesen, um Szintillationsereignisse von Photomultiplierröhren oder Festkörperdetektoren zu verarbeiten. Jedem detektierten Gammastrahl wird eine Position und Energie zugewiesen, und der Prozessor akkumuliert Zählungen im Laufe der Zeit, um Projektionsbilder zu bilden. Bei PET beinhaltet die Zufallserkennung die Zeitstempelung jedes Vernichtungsphotons und die Identifizierung von Paaren, die in ein enges Zufallsfenster fallen (normalerweise 4-6 ns). Der Prozessor führt dann TAF-Korrekturen (Time-of-Flight, Time-of-Flight, TAF) durch, um das Ereignis entlang der Antwortlinie zu lokalisieren und das Signal-Rausch-Verhältnis zu verbessern. Moderne digitale PET-Detektoren enthalten anwendungsspezifische integrierte Schaltungen (ASICs), die eine Hochgeschwindigkeits-Ereignisverarbeitung mit geringem Stromverbrauch kombinieren, was eine breitere axiale Abdeckung und eine höhere Empfindlichkeit ermöglicht.

Neuere technologische Fortschritte im Mikroprozessordesign

Das unerbittliche Tempo von Moores Gesetz hat der medizinischen Bildgebung erhebliche Vorteile gebracht, aber in den letzten Jahren wurden architektonische Innovationen erlebt, die über einfache Taktratensteigerungen hinausgehen.

Multi-Core und Many-Core Architekturen

Moderne medizinische Bildgebungssysteme enthalten häufig CPUs mit 8, 16 oder sogar 32 Kernen sowie dedizierte GPUs mit Tausenden von Shaderkernen. Diese Prozessoren teilen Rekonstruktionsaufgaben auf mehrere Threads auf und erzielen nahezu lineare Beschleunigungen. Beispielsweise kann die iterative Rekonstruktion für CT - die wiederholte Vorwärts- und Rückwärtsprojektionen erfordert - mit GPU-Computing um mehr als eine Größenordnung beschleunigt werden. Dies ermöglicht die Verwendung anspruchsvollerer Modelle (z. B. bestrafte Wahrscheinlichkeit), die die Bildqualität bei niedrigeren Strahlungsdosen verbessern.

Integration von Künstlicher Intelligenz

Die Integration von KI-Inferenz-Engines direkt auf die Bildgebungsplattform stellt eine der bedeutendsten jüngsten Verschiebungen dar. Mikroprozessoren umfassen jetzt spezialisierte neuronale Verarbeitungseinheiten (NPUs) oder Tensor-Verarbeitungskerne, die konvolutionale neuronale Netzwerke (CNNs) mit hoher Effizienz ausführen. Diese KI-Beschleuniger entlasten Inferenz-Workloads von der Haupt-CPU, was eine Echtzeit-Bildsegmentierung (z. B. Organgrenzenerkennung), Artefaktreduktion (z. B. Metallartefaktreduktion in CT) und Superauflösung (z. B. Verbesserung der räumlichen Auflösung in der Tieffeld-MRT) ermöglicht. In einigen Systemen wird das KI-Modell kontinuierlich unter Verwendung von Edge Learning umtrainiert, Anpassung an lokale Patientenpopulationen und Scannervariationen ohne Cloud-Konnektivität. Für einen tieferen Blick auf KI-Hardwaretrends beziehen Sie sich auf diese FDA-Führung zu AI / ML-fähigen medizinischen Geräten.

Low-Power und Portable Designs

Die Miniaturisierung von Mikroprozessoren hat die Schaffung von tragbaren Bildgebungsgeräten ermöglicht, die in Krankenwagen, Feldkrankenhäusern und entfernten Kliniken eingesetzt werden können. Handgehaltener Ultraschall, mobile CT-Einheiten und Point-of-Care-MRT sind jetzt möglich, weil Prozessoren weniger als 10 Watt verbrauchen und gleichzeitig eine Leistung liefern, die einst einen Desktop-Computer erforderte. Diese Low-Power-Designs verwenden fortschrittliche Halbleiterprozesse (z. B. 7 nm, 5 nm FinFET) und dynamische Spannungs-/Frequenz-Skalierung, um die Batterielebensdauer zu verlängern. Der Kompromiss zwischen Leistung und Rechenfähigkeit wird sorgfältig verwaltet, um die diagnostische Bildqualität aufrechtzuerhalten, oft unter Verwendung optimierter Algorithmusbibliotheken und Hardwarebeschleunigung für Schlüsselfunktionen.

Echtzeit-Konnektivität und Cloud-Integration

Moderne Mikroprozessoren umfassen integrierte Kommunikationsschnittstellen - Gigabit Ethernet, Wi-Fi 6, 5G-Mobilfunk und USB-C -, die es Bildgebungsgeräten ermöglichen, Daten an Cloud-basierte Speicher- und Verarbeitungsserver zu streamen. Während der lokale Prozessor Echtzeitaufgaben erledigt, können Cloud-Ressourcen für die Nachverarbeitung, Langzeitarchivierung und kollaborative Überprüfung verwendet werden. Einige Systeme laden rechenintensive Rekonstruktionen auf einen entfernten Server ab, wodurch der lokale Prozessor für die Erfassung und Anzeige freigegeben wird. Dies erfordert jedoch extrem latenzarme Netzwerke; daher entscheiden sich viele Hersteller für Edge Computing mit leistungsstarken lokalen Prozessoren, um einen zuverlässigen Betrieb auch unter intermittierender Konnektivität zu gewährleisten.

Herausforderungen und Überlegungen im Bereich Mikroprozessor-gesteuerte Bildgebung

Trotz der vielen Vorteile bringt der Einsatz fortschrittlicher Mikroprozessoren in der medizinischen Bildgebung auch Herausforderungen mit sich, denen sich Ingenieure und Kliniker stellen müssen.

Thermisches Management und Zuverlässigkeit

Hochleistungs-Prozessoren erzeugen erhebliche Wärme, die abgeführt werden muss, um einen stabilen Betrieb in versiegelten Scannerschränken aufrechtzuerhalten. MRT-Magnete sind besonders empfindlich gegenüber Temperaturschwankungen, da Gradientenspulen und Magnetfeldhomogenität bei unzureichender Kühlung driften können. CT-Portale, die mit hohen Geschwindigkeiten rotieren, erfordern ein sorgfältiges thermisches Design, um eine Überhitzung des Prozessors und der zugehörigen Elektronik zu verhindern. Zuverlässigkeit ist von größter Bedeutung: Ein Prozessorausfall während eines Scans kann Rescannen, Zeitverschwendung und Kontrastmittel erfordern. Hersteller verwenden daher CPUs von Industriequalität, die für erweiterte Temperaturbereiche ausgelegt sind, oft mit redundanten Verarbeitungsmodulen, die ohne Unterbrechung der Untersuchung übernehmen können.

Compliance und Validierung von Vorschriften

Medizinische Bildgebungsgeräte werden von Behörden wie der FDA und der Europäischen Arzneimittel-Agentur (EMA) als reguliertes Medizinprodukt eingestuft. Die auf dem Mikroprozessor laufende Software muss nach strengen Qualitätsmanagementsystemen (ISO 13485, IEC 62304) validiert werden. Jede Änderung der Prozessor-Firmware oder des Prozessor-Algorithmus – selbst ein Sicherheitspatch – kann eine Revalidierung erfordern, was zeitaufwendig und kostspielig ist. Dieser regulatorische Aufwand verlangsamt manchmal die Einführung der neuesten Prozessoren, da die Hersteller eine langfristige Versorgung sicherstellen und nachweisen müssen, dass der neue Prozessor die Bildqualität nicht beeinträchtigt oder unerwartete Artefakte einführt.

Cybersecurity-Risiken

Mit zunehmender Konnektivität kommt eine erhöhte Sicherheitsanfälligkeit. Mikroprozessoren, die Bildgebungsgeräte steuern, laufen jetzt mit vollen Betriebssystemen (z. B. Windows Embedded, Linux), die Ziele für Malware oder unbefugten Zugriff sein können. Ein kompromittierter Prozessor könnte Bildgebungsparameter verändern, Daten verfälschen oder sogar die Patientenversorgung verzögern. Hersteller haben mit sicheren Boot-Mechanismen, verschlüsselter Kommunikation und regelmäßigen Firmware-Updates reagiert. Die Angriffsfläche wird jedoch weiter erweitert. Die US-amerikanische Food and Drug Administration hat Leitlinien zur Cybersicherheit von Medizinprodukten herausgegeben, wobei die Notwendigkeit eines robusten Sicherheitslebenszyklus hervorgehoben wird. Weitere Informationen finden Sie in den Cybersicherheitsressourcen der FDA für Medizinprodukte .

Zukunftsausblick: Mikroprozessortechnologien der nächsten Generation

Mit Blick auf die Zukunft versprechen mehrere neue Prozessortechnologien eine weitere Verbesserung der diagnostischen Genauigkeit und einen erweiterten Zugang zur medizinischen Bildgebung.

Quantum Computing und Image Reconstruction

Quantenprozessoren, obwohl noch in einem frühen Stadium, haben das theoretische Potenzial, bestimmte Optimierungsprobleme exponentiell schneller zu lösen als klassische Computer. In der medizinischen Bildgebung könnte Quantenglühen auf Probleme wie Bildrekonstruktion unter niedrig dosierten Bedingungen angewendet werden, wo die Suche nach der optimalen Lösung unter vielen Möglichkeiten rechentechnisch teuer ist. Frühe Forschungen haben gezeigt, dass die quantengestützte iterative Rekonstruktion für CT noch Jahre in der praktischen Umsetzung liegt, da Hardwarebeschränkungen und Fehlerkorrekturherausforderungen bestehen. Dennoch könnten Quantencomputer mit ihrer Reife zu Co-Prozessoren werden, die die anspruchsvollsten Rekonstruktionsaufgaben bewältigen.

Neuromorphe Prozessoren

Neuromorphe Computer imitieren die Struktur und Funktion biologischer Neuronen und bieten einen extrem geringen Stromverbrauch und die Möglichkeit, Sensordaten ereignisgesteuert zu verarbeiten. Solche Prozessoren könnten ideal für kontinuierliche Überwachungsanwendungen wie Ultraschall-Elastographie in Echtzeit oder videobasierte Bewegungsverfolgung während der MRT sein. Da neuromorphe Systeme im laufenden Betrieb lernen und sich anpassen, könnten sie neue Bildgebungsparadigmen ermöglichen, bei denen der Scanner die Anatomie des Patienten während der Untersuchung "lernt" und die Parameter entsprechend anpasst, wodurch die Scanzeit minimiert und die Bildqualität optimiert wird.

Edge AI und Distributed Intelligence

Der Trend zum Edge Computing in der medizinischen Bildgebung wird sich fortsetzen, wobei Mikroprozessoren immer besser in der Lage sind, große Deep-Learning-Modelle lokal auszuführen. Zukünftige Geräte könnten föderiertes Lernen beinhalten, bei dem der Prozessor ein Modell auf lokalen Daten trainiert und nur die aktualisierten Parameter (nicht die Rohbilder) mit einem zentralen Server teilt. Dies bewahrt die Privatsphäre des Patienten und ermöglicht gleichzeitig Verbesserungen der Diagnosealgorithmen auf Bevölkerungsebene. Darüber hinaus könnten verteilte Mikroprozessoren innerhalb eines Krankenhausnetzwerks zusammenarbeiten, um Aufgaben zur Lastausgleichsrekonstruktion zu übernehmen, um sicherzustellen, dass kritische Scans zuerst verarbeitet werden - eine Funktion, die besonders bei Trauma- und Schlaganfall-Workflows wertvoll ist.

Heterogene Integration

Anstatt sich auf eine einzelne CPU zu verlassen, werden zukünftige Bildgebungsprozessoren wahrscheinlich heterogene Systeme auf Chip (SoCs) sein, die Allzweckkerne, GPU-ähnliche Beschleuniger, KI-Inferenzeinheiten und rekonfigurierbare Logik (FPGA) auf einem einzigen Chip kombinieren. Diese Integration reduziert den Stromverbrauch, die Latenz und den physischen Fußabdruck, während die Bandbreite zwischen Komponenten erhöht wird. Solche SoCs treten bereits in High-End-CT- und Ultraschallsystemen auf, und ihre Verwendung wird sich voraussichtlich auf mittlere und tragbare Geräte ausbreiten, wenn die Herstellungskosten sinken.

Schlussfolgerung

Mikroprozessoren haben sich von einfachen Steuerungseinheiten zu hoch entwickelten, multifunktionalen Motoren entwickelt, die im Herzen der medizinischen Präzisionsbildgebung liegen. Sie ermöglichen Echtzeit-Erfassung, fortschrittliche Rekonstruktion, automatisierte Erkennung und patientenspezifische adaptive Protokolle, die gemeinsam den Standard der diagnostischen Genauigkeit erhöhen. Jede Bildgebungsmodalität - MRT, CT, Ultraschall, Radiographie und Nuklearmedizin - profitiert von spezialisierten Prozessorarchitekturen, die ihre einzigartigen Rechenanforderungen erfüllen. Jüngste Fortschritte in der Mehrkernverarbeitung, KI-Integration und Low-Power-Design haben die Bildgebung schneller, sicherer und zugänglicher gemacht als je zuvor. Mit Blick auf die Zukunft versprechen Quantencomputer, neuromorphe Chips und heterogene Integration, die Grenzen noch weiter zu verschieben und frühere, sicherere Diagnosen für Patienten weltweit Realität werden. Da diese Technologien reifen, wird die Partnerschaft zwischen Mikroprozessorinnovation und medizinischer Bildgebung ein entscheidender Treiber für verbesserte Patientenergebnisse bleiben. für eine eingehende Perspektive auf die Zukunft der Medizintechnik, beziehen Sie sich auf die Forschungsbereiche des National Institute of Biomedical Imaging und Bioengineering.