Monthly Archives: July 2021

Bioinformatik ist der Megatrend in der Medizin: FUSE-AI bei der “Opportunities in Computational Biology“ in Tel Aviv

Bioinformatik ist der Megatrend in der Medizin: FUSE-AI bei der “Opportunities in Computational Biology“ in Tel Aviv
05.07.2021 Die Biologie wird digital. Dabei liegt der Fokus auf der Verlängerung der Lebenserwartung bei einer gleichzeitigen Verlangsamung des Alterungsprozesses und Verbesserung der Lebensqualität. KI und Big Data ermöglichen eine bessere Diagnostik. Präzisionsmedizin ist damit keine Zukunftsvision mehr, sondern schon heute möglich. Alle diese Lösungen basieren auf akademischer Forschung – eine enge Verzahnung von Forschung und Wirtschaft ist dabei entscheidend.  
Read more

“Deep Learning in Healthcare”: Vortrag von Juri Rohde bei VDE Veranstaltung

“Deep Learning in Healthcare”: Vortrag von Juri Rohde bei VDE Veranstaltung
05.07.2021 Wenn KI-basierte Software als Medizinprodukt verstanden wird, werden auch Barrieren zum Thema KI abgebaut. Entscheidend ist die Verantwortung gegenüber den Patient*innen, vor allem in Bezug auf Datenschutz und Privatsphäre. Durch KI kann die Patiente*innenversorgung stark verbessert werden. Das medizinische Fachpersonal kann mehr Zeit für Anamnese und Diagnostik aufwenden.   
Read more

Ensemble-Learning:
Mit mehreren KI-Models erreichen wir höhere Sensitivität in der Vorhersage

Ensemble-Learning: <br> Mit mehreren KI-Models erreichen wir höhere Sensitivität in der Vorhersage
05.07.2021 Unsere Ansprüche an Prostate.carcinoma.ai sind hoch. Die Software soll die Prostata erkennen und vermessen, sie in verschiedene Zonen segmentieren und auffällige Bereiche markieren, die auf eine Läsion hinweisen können. Dafür trainieren unsere neuronalen Netze Tag und Nacht mit Deep Learning Methoden. Unmarkierte MRT-Bilder, annotierte MRT-Bilder und zahllose Metadaten durchlaufen verschiedene Algorithmen, wobei Models aus Vorhersagevariablen (Prädiktoren) generiert werden. Diese Models treffen dann eine Entscheidung, die im besten Fall mit den Befunden aus der Radiologie übereinstimmen. Eine große Menge an Trainingsdaten sind neben einem leistungsfähigen KI-Model die Grundvoraussetzung für eine hohe Erkennungsrate und einer niedrigen Falsch-Positiv-Rate. 
Read more