KI-basierte computergestützte Ansätze zur verbesserten Analyse von Hautläsionsbildern

Programm

Ernst Mach Mobility Grant weltweit

Projektleitung

Danube Private University (DPU, AT); Assoc.-Prof. Priv.-Doz. Amirreza Mahbod, PhD

Projektbeteiligte an der DPU

Univ.-Prof. Priv.-Doz. Dr. med. Ramona Woitek, PhD

Saeed Shakurimoghaddam, MSc (Incoming Visiting Researcher)

Projektbeschreibung

Hautkrebs ist eine der weltweit häufigsten Krebsarten, mit einer stetig steigenden Inzidenzrate. Die automatische Analyse dermatoskopischer Bilder hat in den letzten Jahren stark an wissenschaftlichem Interesse gewonnen. Während zahlreiche computergestützte Ansätze vorgeschlagen wurden, zählen insbesondere Deep-Learning-Methoden auf Basis von Convolutional Neural Networks (CNNs) und Vision Transformers (ViTs) zu den vielversprechendsten Ansätzen. In jüngerer Zeit haben zudem das Aufkommen medizinischer und nicht-medizinischer Foundation Models sowie multimodaler Ansätze zur Analyse medizinischer Daten neue Forschungsrichtungen in der medizinischen Bildverarbeitung eröffnet.

In diesem Projekt verfolgen wir das Ziel, die Modellleistung für die Analyse von Hautläsionsbildern zu verbessern, mit einem besonderen Fokus auf Segmentierungs- und Klassifikationsaufgaben. Dies soll durch die Entwicklung neuer Deep-Learning-basierter Modelle sowie durch das Adaptieren und Fine-Tuning medizinischer und nicht-medizinischer Foundation Models erreicht werden, einschließlich spezialisierter Hautläsionsmodelle wie PanDerm. Darüber hinaus planen wir, weitere medizinische Datenquellen wie klinische Metadaten gemeinsam mit Hautläsionsbildern zu integrieren, um die Modellleistung weiter zu verbessern.