Computational Medical Imaging Research

Albarqouni Lab
Klinik für Diagnostische und Interventionelle Radiologie, Universitätsklinikum Bonn
Prof. Dr. Shadi Albarqouni

Die Forschungsgruppe Computational Imaging Research (Albarqouni Lab.) ist Teil der Klinik für Diagnostische und Interventionelle Radiologie, Medizinische Fakultät, Universitätsklinikum Bonn. Wir konzentrieren uns auf die Entwicklung und Einführung von Computational Medical Imaging Algorithmen in die klinische Praxis. Unsere sorgfältig entworfenen Algorithmen entschärfen die größten Herausforderungen in der medizinischen Bildgebung, wie z.B. i) die Verfügbarkeit von wenigen annotierten Daten, ii) geringe Übereinstimmung zwischen den Beobachtern, iii) hohe Klassenungleichheit, iv) Variabilität zwischen den Scannern und v) Domänenverschiebung. Die von uns entwickelten Algorithmen sparen nicht nur Arbeit und Aufwand beim Export, sondern sind auch vollautomatisch, hochpräzise und kostengünstig. Dies würde sich positiv auf die klinischen Dienstleistungen auswirken.

Darüber hinaus konzentrieren wir unsere Forschung auf die Entwicklung innovativer Deep Federated Learning-Algorithmen, die Wissen zwischen verschiedenen medizinischen Instituten auf robuste und datenschutzfreundliche Weise destillieren und austauschen können.

Zu den Forschungsthemen gehören unter anderem: i) der Umgang mit verteilten DL-Modellen mit Datenheterogenität, einschließlich nicht-i.i.d. und Domänenverschiebungen, ii) die Entwicklung von Erklärbarkeits- und Qualitätskontrollinstrumenten und iii) die Robustheit gegenüber vergifteten Modellen. Seit kurzem interessieren wir uns für die Entwicklung erschwinglicher KI-Lösungen, die sich für Daten von schlechter Qualität eignen, die durch geringe Infrastruktur und Point-of-Care-Diagnosen erzeugt werden.

zur Website


Towards Deep Federated Learning in Healthcare, Talk by Prof. Shadi Albarqouni, June 2021

Prof. Shadi Albarqouni
© Johann F. Saba / UKB

Methoden

  • Maschinelles Lernen und Deep Learning mit medizinischer Bildgebung
  • Föderiertes Lernen im Gesundheitswesen
  • Erschwingliche KI und Gesundheitswesen