szmtag Baukasten für KI-gesteuerte medizinische Bildanalyse vorgestellt
NewsMedizinBaukasten für KI-gesteuerte medizinische Bildanalyse vorgestellt
Als E-Mail versenden...
Auf facebook teilen...
Twittern...
Drucken...

Medizin

Baukasten für KI-gesteuerte medizinische Bildanalyse vorgestellt

Montag, 25. Januar 2021

/WrightStudio, stock.adobe.com

Heidelberg – Wissenschaftler vom Deutschen Krebsforschungszentrum (DKFZ) haben ein Verfahren vorgestellt, um selbstlernende Algorithmen für eine Vielzahl verschiedener Bilddatensätze zu konfigurieren – ohne dass dafür Expertenwissen oder eine außergewöhnliche Rechenleistung erforderlich wäre.

Sie berichten darüber im Fachmagazin Nature Methods (2020; DOI: 10.1038/s41592-020-01008-z).
Für die Auswertung von medizinischen Bilddaten mittels künstlicher Intelligenz (KI) müssen die Computer die dreidimensionalen Bilddatensätze zum Beispiel der Computertomografien (CT) zu interpretieren lernen.

Sie müssen etwa unterscheiden können, welcher Bildpunkt zum Tumor gehört und welcher nicht. Diese Unterscheidung bezeichnen KI-Experten als semantische Segmentierung. Für jede einzelne Aufgabenstel­lung – etwa ein Nierenkarzinom in CT-Bildern oder einen Brustkrebs in Magnetresonanztomografien (MRT) zu erkennen – müssen Wissenschaftler spezielle Algorithmen entwickeln, die diese Unterscheidung vornehmen und Vorhersagen treffen können.

Als Trainingsmaterial für das maschinelle Lernen dienen dabei Bilddatensätze, in denen Ärzte bereits per Hand markiert haben, was Tumor ist, was gesundes Gewebe und was andere wichtige anatomische Strukturen sind.

Die Wissenschaftler haben jetzt eine Methode entwickelt, die sich dynamisch und vollautomatisch belie­bigen Bilddatensätzen anpasst und so auch Personen mit geringeren Vorkenntnissen ermöglichen soll, selbstlernende Algorithmen für bestimmte Aufgabenstellungen zu konfigurieren.

Das nnU-Net genannte Verfahren kann mit einer großen Bandbreite an Bilddaten umgehen: Neben den klassischen bildgebenden Verfahren wie CT und MRT lassen sich damit auch Bilder aus der Elektronen- und Fluoreszenzmikroskopie bearbeiten.

„nnU-Net ist sofort einsatzbereit, kann auf Bilddatensätzen trainiert werden und spezielle Aufgaben erfüllen – ohne dass dafür besondere computerwissenschaftliche Spezialkenntnisse oder eine außerge­wöhn­liche Rechnerausstattung erforderlich wäre“, erklärt Klaus Maier-Hein aus der Arbeitsgruppe.
nnU-Net steht als Open-Source-Tool kostenfrei zum Download zur Verfügung. © hil/aerzteblatt.de

Liebe Leserinnen und Leser,

diesen Artikel können Sie mit dem kostenfreien „Mein-DÄ-Zugang“ lesen.

Sind Sie schon registriert, geben Sie einfach Ihre Zugangsdaten ein.

Oder registrieren Sie sich kostenfrei, um exklusiv diesen Beitrag aufzurufen.

Loggen Sie sich auf Mein DÄ ein

E-Mail

Passwort


Mit der Registrierung in „Mein-DÄ“ profitieren Sie von folgenden Vorteilen:

Newsletter
Kostenfreie Newsletter mit täglichen Nachrichten aus Medizin und Politik oder aus bestimmten Fachgebieten
cme
Nehmen Sie an der zertifizierten Fortbildung teil
Merkfunktion
Erstellen Sie Merklisten mit Nachrichten, Artikeln und Videos
Kommentarfunktion und Foren
Kommentieren Sie Nachrichten, Artikel und Videos, nehmen Sie an Diskussionen in den Foren teil
Job-Mail
Erhalten Sie zu Ihrer Ärztestellen-Suche passende Jobs per E-Mail.

Leserkommentare

E-Mail
Passwort

Registrieren

Um Artikel, Nachrichten oder Blogs kommentieren zu können, müssen Sie registriert sein. Sind sie bereits für den Newsletter oder den Stellenmarkt registriert, können Sie sich hier direkt anmelden.

LNS
VG WortLNS
Anzeige

Fachgebiet

Stellenangebote

    Anzeige

    Weitere...

    Aktuelle Kommentare

    Archiv

    NEWSLETTER