AC forscht
  • Über uns
  • Kontakt
AC forscht
  • Über uns
  • Kontakt
AC forscht

Bahnbrechende Technologie für die biomedizinische Bildgebung

von Uniklinik RWTH Aachen19. Juli 2024 in Medizin und Technik,
AdobeStock_432083100_©-totojang1977_bearb
© totojang1977 – stock.adobe.com

Forschende der Uniklinik RWTH Aachen haben das erste Grundlegende Modell für die biomedizinische Bildgebung entwickelt

Einen Meilenstein in der biomedizinischen Forschung erreichten nun Wissenschaftlerinnen und Wissenschaftler um Professor Fabian Kießling vom Institut für Experimentelle Molekulare Bildgebung an der Uniklinik RWTH Aachen und Fraunhofer MEVIS sowie Dr. Johannes Lotz vom Fraunhofer MEVIS. Gemeinsam mit anderen Forschenden der RWTH, der Universität Regensburg und der Hannover Medical School entwickelten sie UMedPT, ein wichtiges Grundlegendes Modell für die biomedizinische Bildgebung. Seine Arbeit veröffentlichte das Team unter dem Titel „Overcoming data scarcity in biomedical imaging with a foundational multi-task model“ in Nature Computational Science.

Das Vortraining mit Vorläufermodellen, wie es auch in ChatGPT angewandt wird, kann die erforderliche Menge an Trainingsdaten durch Wiederverwendung von Wissen reduzieren. Jedoch müssen Grundlegende Modelle auf großen, umfassenden Datensätzen trainiert werden, die im biomedizinischen Bereich oft nicht verfügbar sind. Um dieses Hindernis zu überwinden, haben die Forschenden UMedPT entwickelt und anhand von Röntgenbildern sowie mikroskopischen und tomografischen Bildern umfassend validiert. UMedPT basiert auf einem eigens dafür entworfenen, neuartigen Multitasking-Lernalgorithmus, der auf einer vielfältig beschrifteten Sammlung kleiner bis mittelgroßer biomedizinischer Bildgebungsdatensätze trainiert werden kann.

„Unsere Ergebnisse zeigen, dass ein einzelnes Netzwerk klare Vorteile gegenüber dem Stand der Technik haben kann“, sagt Professor Fabian Kießling. „Im internationalen Wettbewerb SemiCOL übertraf UMedPT alle anderen Methoden bei der Klassifizierung von Darmkrebs“, so Professor Kießling weiter. Auch mit ImageNet-vortrainierte Modelle sowie die besten veröffentlichten Referenzergebnisse mit nur einem Prozent der ursprünglichen Trainingsdaten für Aufgaben mit verwandten Daten in der Pretraining-Datenbank erreichten nicht die Genauigkeit von UMedPT. Selbst bei Aufgaben ohne verwandte Daten in der Pretraining-Datenbank übertraf UMedPT die Leistung sowohl von ImageNet-vortrainierten Modellen als auch jene von den besten dokumentierten Ergebnissen auf diesem Gebiet mit 50 Prozent der ursprünglichen Trainingsdaten oder weniger.

Diese Fortschritte zeigten, dass UMedPT erhebliche Vorteile für Anwendungen biete, bei denen die Verfügbarkeit von Stichprobendaten begrenzt sei – ein häufiges Problem in der biomedizinischen Forschung, insbesondere bei seltenen Krankheiten, erklärt Professor Kießling.


Die Publikation finden Sie hier: Overcoming data scarcity in biomedical imaging with a foundational multi-task model | Nature Computational Science Quadrate_Satzende


 

Teile auf FacebookTeile auf Twitter

Verwandte Artikel

Living Lab im TMZ" class="video-format-icon">

Living Lab im Telemedizinzentrum der Uniklinik RWTH Aachen

von Uniklinik RWTH Aachen22. Mai 2025
AdobeStock_432083100_Mikroskop_© totojang1977_bearb_CMYK

Internationales Forschungsteam unter Aachener Beteiligung entwickelt Wirkstoff mit innovativem Therapieprinzip

von Uniklinik RWTH Aachen2. Oktober 2024
IMG_E6329_bearbeitet

Gynäkologisches Simulationslabor als neuer Horizont in der operativen Ausbildung

von Uniklinik RWTH Aachen16. September 2024
Vondran,-Florian_4809_quer_web

Neue Technologien in der Transplantationschirurgie: Wie die Maschinenperfusion die Organtransplantation verändert

von Uniklinik RWTH Aachen23. August 2024
RSS
Facebook
Google+
Twitter
YouTube

Schlagwörter

Auszeichnung Bildgebung Corona Coronavirus Covid-19 Darm Deep Learning Diabetes Diagnostik Digitalisierung Fibrose Forschung Fördermittel Förderung Gehirn Genetik Herz Immunsystem Interview Kardiologie KI Krebs Künstliche Intelligenz Leber Medikamente Medizintechnik Nephrologie Neurologie Neuroradiologie Niere Nieren Pathologie Preis Projekt Publikation Radiologie Seltene Erkrankungen Studie Telemedizin Therapie Transplantation Tumor Uniklinik Aachen Uniklinik RWTH Aachen Veröffentlichung

Podcastreihe

Faszination „Künstliche Intelligenz in der Medizin“
Faszination Medizin,

Faszination „Künstliche Intelligenz in der Medizin“

von Uniklinik RWTH Aachen28. Mai 2025

Hervorgehoben

Bahnbrechende Technologie für die biomedizinische Bildgebung
Medizin und Technik,

Bahnbrechende Technologie für die biomedizinische Bildgebung

von Uniklinik RWTH Aachen19. Juli 2024

Kategorien

  • Ausgezeichnete Forschung
  • Entzündung und Folgen
  • Faszination Medizin
  • Forschung hautnah
  • Herz und Gefäße
  • Innere Medizin
  • Medizin und Technik
  • Neurowissenschaften
  • Onkologie
  • Paper of the month
  • Pathologie
  • Psychosoziale Medizin

Archive

Verwandte Links

apropos
Stiftung Universitätsmedizin Aachen

© 2020 Uniklinik RWTH Aachen      IMPRESSUM      DATENSCHUTZERKLÄRUNG