Quelle: aerzteblatt.de – 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.
Lesen Sie hier mehr.