Klicken Sie hier, wenn dies Ihre Pressemitteilung ist!

Künstliche Intelligenz kann im Kampf gegen COVID-19 helfen

Geschrieben von Herausgeber

Ein neuartiges Framework für maschinelles Lernen könnte die Arbeit von Radiologen erleichtern, indem es eine schnelle und genaue Krankheitsdiagnose ermöglicht.

Drucken Freundlich, PDF & Email

Die COVID-19-Pandemie hat die Welt Anfang 2020 im Sturm erobert und ist seitdem in mehreren Ländern, darunter China, den USA, Spanien und dem Vereinigten Königreich, zur häufigsten Todesursache geworden. Forscher arbeiten intensiv an der Entwicklung praktischer Wege zur Diagnose von COVID-19-Infektionen, und viele von ihnen haben ihre Aufmerksamkeit darauf gerichtet, wie künstliche Intelligenz (KI) für diesen Zweck genutzt werden könnte.       

Mehrere Studien haben berichtet, dass KI-basierte Systeme zum Nachweis von COVID-19 in Röntgenbildern des Brustkorbs verwendet werden können, da die Krankheit dazu neigt, Bereiche mit Eiter und Wasser in der Lunge zu erzeugen, die sich als weiße Flecken in den Röntgenaufnahmen zeigen . Obwohl verschiedene diagnostische KI-Modelle auf der Grundlage dieses Prinzips vorgeschlagen wurden, bleibt die Verbesserung ihrer Genauigkeit, Geschwindigkeit und Anwendbarkeit oberste Priorität.

Jetzt hat ein Team von Wissenschaftlern unter der Leitung von Professor Gwanggil Jeon von der Incheon National University, Korea, ein automatisches COVID-19-Diagnose-Framework entwickelt, das die Dinge durch die Kombination zweier leistungsstarker KI-basierter Techniken noch besser macht. Ihr System kann darauf trainiert werden, genau zwischen Thorax-Röntgenbildern von COVID-19-Patienten und Nicht-COVID-19-Patienten zu unterscheiden. Ihr Papier wurde am 27. Oktober 2021 online verfügbar gemacht und am 21. November 2021 in Band 8, Ausgabe 21 des IEEE Internet of Things Journal veröffentlicht.

Die beiden von den Forschern verwendeten Algorithmen waren Faster R-CNN und ResNet-101. Das erste ist ein auf maschinellem Lernen basierendes Modell, das ein Regionsvorschlagsnetzwerk verwendet, das trainiert werden kann, um die relevanten Regionen in einem Eingabebild zu identifizieren. Das zweite ist ein tief lernendes neuronales Netz aus 101 Schichten, das als Rückgrat verwendet wurde. ResNet-101 ist, wenn es mit genügend Eingabedaten trainiert wird, ein leistungsstarkes Modell für die Bilderkennung. „Nach unserem besten Wissen ist unser Ansatz der erste, der ResNet-101 und Faster R-CNN für die COVID-19-Erkennung kombiniert“, bemerkt Prof. Jeon. „Nachdem wir unser Modell mit 8800 Röntgenbildern trainiert hatten, erhielten wir eine bemerkenswerte Genauigkeit von 98 %.“

Das Forschungsteam glaubt, dass sich ihre Strategie für die Früherkennung von COVID-19 in Krankenhäusern und öffentlichen Gesundheitszentren als nützlich erweisen könnte. Der Einsatz automatischer Diagnosetechniken auf der Grundlage von KI-Technologie könnte Radiologen und anderen medizinischen Experten, die seit Beginn der Pandemie mit einer enormen Arbeitsbelastung konfrontiert sind, Arbeit und Druck abnehmen. Da darüber hinaus immer modernere medizinische Geräte mit dem Internet verbunden werden, wird es möglich sein, riesige Mengen an Trainingsdaten in das vorgeschlagene Modell einzuspeisen; dies wird zu noch höheren Genauigkeiten führen, und zwar nicht nur für COVID-19, wie Prof. Jeon feststellt: „Der in unserer Studie verwendete Deep-Learning-Ansatz ist auf andere Arten von medizinischen Bildern anwendbar und könnte zur Diagnose verschiedener Krankheiten verwendet werden.“

Drucken Freundlich, PDF & Email

Über den Autor

Herausgeber

Chefredakteurin ist Linda Hohnholz.

Hinterlasse einen Kommentar