KI-basierte Wunddiagnostik: KI-Modelle zur Wundtypen-Erkennung auf der ICANN 24

Julien Marteen Akay, ehemaliger Student, präsentiert seine Arbeit aus dem dritten Semester auf der International Conference on Artificial Neural Networks (ICANN 2024) in Lugano, Schweiz. Seine Forschung konzentrierte sich auf den Einsatz neuester KI-Modelle zur Erkennung von Wundtypen auf Fotos und die Interpretierbarkeit der Entscheidungen dieser Modelle.

Patienten mit chronischen Wunden, die oft vorerkrankt oder älter sind, benötigen eine zeitintensive und qualitativ hochwertige Wundversorgung, um eine angemessene Heilung zu erreichen. Angesichts der bereits überlasteten Pflegekräfte sind Forscher motiviert, den Prozess der Wundtypenerkennung durch den Einsatz von Künstlicher Intelligenz zu automatisieren. Julien Marteen Akay hat in seiner Arbeit Verbesserungen in der Genauigkeit und Interpretierbarkeit der KI zur Wundtypen-Erkennung erreicht.

Die in der Arbeit erzielten Verbesserungen basieren auf der Nutzung großer Bilderkennungsmodelle, die durch selbstüberwachtes Lernen an generischen (wundfremden) Daten vortrainiert und anschließend auf die spezifische Aufgabe der Wundtypenklassifikation übertragen wurden. Diese Kombination aus Vortraining und Bilderkennungsmodellen führt zu einer deutlichen quantitativen und qualitativen Verbesserung im Vergleich zu herkömmlichen KI-Modellen.

Dank der Ergebnisse konnten besonders leistungsfähige KI-Modelle für die Wundtypenklassifikation identifiziert werden. Im Gegensatz zu gängigen Verfahren berücksichtigen diese Modelle relevante Bereiche der Wunde bei der Entscheidungsfindung. Dies wird durch die farbliche Hervorhebung der Fokusregionen der KI in den Fotos verdeutlicht.