Failure to Achieve Domain Invariance With Domain Generalization Algorithms: An Analysis in Medical Imaging

Korevaar, Steven; Tennakoon, Ruwan; Bab–Hadiashar, Alireza

doi:10.1109/access.2023.3268704

Cited by 3 publications

(1 citation statement)

References 63 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Generalisierbar meint hier, dass die Algorithmen auf neuen Datensätzen (etwa von Zentren/Scannern die nicht in den Trainingsdaten repräsentiert waren) zuverlässig funktionieren. Diese "domain invariance" zu erreichen ist trotz vieler Anstrengungen immer noch nicht befriedigend gelöst [34]. Die kontinuierliche Verbesserung und Validierung solcher Modelle erfordert daher eine enge, interdisziplinäre Zusammenarbeit zwischen KI-Experten und Ärzten.…”

Section: Allgemeine Technische Herausforderungenunclassified

Künstliche Intelligenz in der Neuroradiologie

Hedderich,

Wiestler

2023

Nervenheilkunde

View full text Add to dashboard Cite

ZUSAMMENFASSUNGDie Nutzung Künstlicher Intelligenz (KI) in der Neuroradiologie bietet vielversprechende Perspektiven für die Diagnose und Verlaufsbeurteilung neurologischer Erkrankungen. Dabei hat es in den letzten Jahren insbesondere Fortschritte im Bereich der Segmentierung, aber auch der Clinical Decision Support (CDS) Systeme gegeben. Die Vorteile der KI-basierten Bildsegmentierung liegen in ihrer Geschwindigkeit, Genauigkeit und Reproduzierbarkeit im Vergleich zur manuellen Analyse durch Radiologen. Dies ermöglicht eine effizientere Auswertung großer Datenmengen und die Quantifizierung von Gewebestrukturen, z. B. für eine bessere Beurteilung des Therapieverlaufs.Ein weiterer Entwicklungsfokus von KI-Algorithmen liegt im Bereich der klinischen Entscheidungsunterstützung (CDS). Maschinelles Lernen ermöglicht komplexe medizinische Szenarien zu analysieren und prädiktive Modelle abzuleiten. Klinische Untersuchungen hierzu gibt es beispielsweise in der Notfall- und Schlaganfallbildgebung. Trotz erster positiver Ergebnisse in klinischen Studien bestehen weiterhin Herausforderungen für den klinischen Einsatz von KI-basiertem CDS, v. a. in Bezug auf deren Erklär- und Interpretierbarkeit.

show abstract

Section: Allgemeine Technische Herausforderungenunclassified