OXFORD / MÜNCHEN (IT BOLTWISE) – Die Fortschritte in der Künstlichen Intelligenz (KI) haben das Potenzial, die medizinische Diagnostik zu revolutionieren, insbesondere in der Radiologie. Ein neuer Ansatz, der auf der Analyse von MRT-Daten basiert, zeigt vielversprechende Ergebnisse bei der Erkennung von Hirntumoren.
- Die besten Bücher rund um KI & Robotik
präsentiert von Amazon! - Unsere täglichen KI-News von IT Boltwise® bei LinkedIn abonnieren!
- KI-Meldungen bequem via Telegram oder per Newsletter erhalten!
- IT Boltwise® bei Facy oder Insta als Fan markieren und abonnieren!
- AI Morning Podcast bei Spotify / Amazon / Apple verfolgen!
- RSS-Feed 2.0 von IT Boltwise® für KI-News speichern!
Die Anwendung von Künstlicher Intelligenz in der Medizin, insbesondere in der Radiologie, hat in den letzten Jahren erhebliche Fortschritte gemacht. Forscher haben nun KI-Modelle entwickelt, die in der Lage sind, Hirntumoren in MRT-Bildern fast so gut wie menschliche Radiologen zu erkennen. Diese Modelle nutzen Convolutional Neural Networks (CNNs) und Transferlernen, um Tumore von gesundem Gewebe zu unterscheiden.
Ein bemerkenswerter Aspekt dieser Forschung ist die Betonung der Erklärbarkeit der KI-Modelle. Durch die Möglichkeit, die von der KI als krebsverdächtig identifizierten Bereiche hervorzuheben, wird das Vertrauen von Radiologen und Patienten in die Technologie gestärkt. Obwohl die Genauigkeit der KI mit 85,99 % noch leicht hinter der menschlichen Erkennungsrate liegt, zeigt dieser Ansatz das Potenzial der KI als transparentes Werkzeug in der klinischen Radiologie.
Die Forscher nutzten Transferlernen von Aufgaben wie der Tarnungserkennung, um die Leistung der Modelle zu verbessern. Diese Technik ermöglicht es, ein Modell, das für eine Aufgabe trainiert wurde, für ein neues, verwandtes Projekt zu verwenden. Obwohl die Erkennung getarnter Tiere und die Klassifizierung von Hirntumoren sehr unterschiedliche Bildtypen betreffen, sahen die Forscher Parallelen zwischen einem Tier, das sich durch natürliche Tarnung versteckt, und einer Gruppe von Krebszellen, die sich in gesundem Gewebe verstecken.
In einer retrospektiven Studie mit öffentlichen MRT-Daten untersuchten die Forscher, wie neuronale Netzwerkmodelle auf die Erkennung von Hirntumoren trainiert werden können, während sie einen einzigartigen Transferlernschritt zur Tarnungserkennung einführen, um die Tumorerkennungsfähigkeiten der Netzwerke zu verbessern. Die Forscher fanden heraus, dass die Netzwerke fast perfekt in der Lage waren, normale Gehirnbilder zu erkennen, mit nur 1-2 falsch-negativen Ergebnissen, und zwischen krebsartigen und gesunden Gehirnen zu unterscheiden.
Ein Schlüsselmerkmal des Netzwerks ist die Vielzahl von Möglichkeiten, wie seine Entscheidungen erklärt werden können, was das Vertrauen in die Modelle von medizinischen Fachleuten und Patienten gleichermaßen erhöht. Tiefe Modelle mangeln oft an Transparenz, und da das Feld wächst, wird die Fähigkeit, zu erklären, wie Netzwerke ihre Entscheidungen treffen, wichtig. Nach dieser Forschung kann das Netzwerk Bilder generieren, die spezifische Bereiche in seiner Tumor-positiven oder -negativen Klassifikation zeigen.
In Zukunft glauben die Forscher, dass es wichtig sein wird, tiefe Netzwerkmodelle zu entwickeln, deren Entscheidungen auf intuitive Weise beschrieben werden können, damit Künstliche Intelligenz eine transparente unterstützende Rolle in klinischen Umgebungen einnehmen kann. Während die Netzwerke Schwierigkeiten hatten, zwischen verschiedenen Arten von Hirntumoren zu unterscheiden, war dennoch klar, dass sie eine deutliche interne Repräsentation im Netzwerk hatten.
Die Genauigkeit und Klarheit verbesserten sich, als die Forscher die Netzwerke in der Tarnungserkennung trainierten. Transferlernen führte zu einer Steigerung der Genauigkeit der Netzwerke. Während das am besten abschneidende vorgeschlagene Modell etwa 6 % weniger genau war als die Standard-Erkennung durch Menschen, demonstriert die Forschung erfolgreich die quantitative Verbesserung, die durch dieses Trainingsparadigma erzielt wurde.
Die Forscher glauben, dass dieses Paradigma, kombiniert mit der umfassenden Anwendung von Erklärbarkeitsmethoden, die notwendige Transparenz in der zukünftigen klinischen KI-Forschung fördert. Fortschritte in der KI ermöglichen eine genauere Erkennung und Erkennung von Mustern, was zu einer besseren bildbasierten Diagnosehilfe und -überwachung führt, aber auch mehr Erklärung erfordert, wie die KI die Aufgabe erfüllt.
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- Die Zukunft von Mensch und MaschineIm neuen Buch des renommierten Zukunftsforschers und Technologie-Visionärs Ray Kurzweil wird eine faszinierende Vision der kommenden Jahre und Jahrzehnte entworfen – eine Welt, die von KI durchdrungen sein wird
- Künstliche Intelligenz: Expertenwissen gegen Hysterie Der renommierte Gehirnforscher, Psychiater und Bestseller-Autor Manfred Spitzer ist ein ausgewiesener Experte für neuronale Netze, auf denen KI aufbaut
- Obwohl Künstliche Intelligenz (KI) derzeit in aller Munde ist, setzen bislang nur wenige Unternehmen die Technologie wirklich erfolgreich ein
- Wie funktioniert Künstliche Intelligenz (KI) und gibt es Parallelen zum menschlichen Gehirn? Was sind die Gemeinsamkeiten von natürlicher und künstlicher Intelligenz, und was die Unterschiede? Ist das Gehirn nichts anderes als ein biologischer Computer? Was sind Neuronale Netze und wie kann der Begriff Deep Learning einfach erklärt werden?Seit der kognitiven Revolution Mitte des letzten Jahrhunderts sind KI und Hirnforschung eng miteinander verflochten
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "KI verbessert die Erkennung von Hirntumoren" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die deutsche Google-Suchmaschine für eine weitere Themenrecherche: »KI verbessert die Erkennung von Hirntumoren« bei Google Deutschland suchen und bei Google News entdecken!