google-site-verification: googlef658f51c3f5957c6.html google-site-verification: googlef658f51c3f5957c6.html

Ein Forschungsteam der Technischen Universität München um PD Tobias Lascher hat einen Lernalgorithmus- FusionM4Net- entwickelt mit höherer Diagnosegenauigkeit

Dermatologen und Dermatologinnen greifen bei der Diagnose von Hautkrankheiten gerne auf mehrere Informationen zurück, wie Bilder der Hauterkrankung, mikroskopische Untersuchungen und auf die Metadaten der Erkrankten wie Alter und Geschlecht. Algorthmen, die die Daten zusammenführen, können sie dabei unterstützen.

Es sind bereits einige Deep-Learning-Algorithmen zur Klassifizierung von Hautkrankheiten in der Entwicklung, die allerdings noch einen hohen Verbesserungsbedarf haben.

FusionM4Net der TU München weist eine höhere Diagnosegenauigkeit auf als bisherige Algorithmen. Er verwendet ein multimodalen, merhstufigen Prozess zur Diagnosestellung.

Multi-Moda integriert in der Klinik aufgenommene Fotos, mikroskopische Bilder der Hautveränderungen und die Metadaten der Patienten.

Multi-Label wird von Forschenden auf die Unterschiedung von 5 Kategorien von Hauterkrankungen trainiert

Multi-Stage unterscheidet die Wichtigkeit der Daten und führt erst die Bilddtaten zusammen, erst später werden auch die Metadaten hinzugefügt

Durch den mehrstufigen Prozess konnte FusionM4Net die Diagnosegenauigkeit auf 78, 5% erhöhen und lag damit vor allen anderen Algorithmen.

Der Code für FusionM4Net ist frei verfügbar unter https://ciip.in.tum.de/software.html

Das Forschungsprojekt wird zum Teil vom Bundesgesundheitsministerium gefördert sowie mit einem Forschungsstipedium von dem China Scholarship Council.

Von anastasia

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.