RöKo 2018 – Herzanalysen mit Künstlicher Intelligenz

RöKo 2018 – Herzanalysen mit Künstlicher Intelligenz

Künstliche Intelligenz wird die Arbeit von RadiologInnen erleichtern – davon ist Hinrich B. Winther, Medizinische Hochschule Hannover (MHH), überzeugt. Er stellte eindrückliche Ergebnisse seines Deep-Learning-Ansatzes am Herzen vor, der auf sorgfältig validierten Daten beruht.

  • Präsentationstag:
    10.05.2018 0 Kommentare
  • Autor:
    biho/ktg
  • Sprecher:
    Hinrich B. Winther, Medizinische Hochschule Hannover (MHH)
  • Quelle:
    Deutscher Röntgenkongress 2018

Die Maschine lernt menschlich

Künstliche neuronale Netzwerke arbeiten ähnlich wie menschliche Nervenzellen. Dendriten senden Informationen verschiedener Gewichtungen an den Zellkern. Ist eine besonders hohe Gewichtung im Zellkern erreicht, wird die Information über das Axon an das nächste Neuron weitergeleitet. Damit lernt die Maschine, welche Informationen wichtig sind und welche nicht.

Einfache neuronale Netzwerke sind einschichtig, komplexe Netzwerke haben mehrere Schichten, die von außen nicht sichtbar sind. Winther erklärte anhand von Bildbeispielen, wie dies funktioniert. Zuerst erkennt das System nur Kanten und Ecken. In der zweiten Schicht bereits bestimmte Texturen, dann Muster und schließlich einzelne Teile, bis das komplette Bild eindeutig zuzuordnen ist, beispielsweise eine Blume, ein Hundegesicht oder ein MRT-Bild vom Herzen.

Anwendung in der Praxis

Winther und seine KollegInnen ließen ein Deep-Learning-System aus 253 manuell segmentierten Bildern des Herzens eindeutige biventrikulären Massen- und Funktionsparameter zur Segmentierung des Herzens heraussuchen. Anschließend ließen sie das System 1.000 Fälle aus multizentrischen Datensätzen analysieren. Nach einigen Anpassungsverfahren erhielten sie ein sehr gutes Vorhersagemodell.

Fazit

Winther sah im maschinellen Lernen und Deep-Learning-Ansatz eine zukünftige Arbeitserleichterung für RadiologInnen. Die Vorhersage biventrikulärer Massen- und Funktionsparameter zur kardialen MRT-Segmentierung gelang in seinem Institut sehr gut. „Eine Translation in die klinische Routine wäre wünschenswert“, sagte Winther abschließend. „Die durch den Einsatz Künstlicher Intelligenz gewonnene Zeit könnten wir dann eher beim Patienten verbringen – oder die Schlagzahl an Untersuchungen erhöhen. Leider ahne ich schon, wohin die Reise gehen wird.“

Sie müssen sich einloggen, um Kommentare zu verfassen.