DefenceDX AI

DefenceDX AI – MVP (minimal viable product)
DefenceDX AI – MVP (minimal viable product)

DefenceDX AI ist ein neuartiger, auf Machine Learning (ML) basierender Prototyp (Proof of Concept) zur Klassifikation medizinischer Bilddaten. Mit seinen Auswertungen stellt es den behandelnden Ärzten eine schnelle Entscheidungshilfe zur Verfügung. Der erste konkrete Anwendungsbereich ist das Erkennen von Lungenentzündungen auf Röntgenbildern.

Funktionsweise

Die Anwendung von DefenceDX AI ist denkbar einfach. Nach dem Hochladen eines Lungenröntgenbilds im JPG- oder PNG-Format wird es automatisch vom System analysiert. Die Künstliche Intelligenz (AI) ist auf das Erkennen von typischen Entzündungsmustern trainiert und liefert in kürzester Zeit ein zweifaches Ergebnis:

  • Vorliegen einer Lungenentzündung: ja / nein
  • Wenn ja: bakterielle oder virale Entzündung

Beide Ergebnisse werden mit einer relativen Wahrscheinlichkeit angezeigt. Sie erleichtern es dem Arzt, schnelle und fundierte Entscheidungen über die weitere Behandlung zu treffen.

In einer späteren Ausbaustufe wird das System das Vorliegen verschiedener Lungen-Infektionserkrankungen bewerten, z.B. SARS-CoV-2, Tuberkulose oder entzündliche Lungenerkrankungen.

Einsatzmöglichkeiten

Wir haben DefenceDX AI als webbasiertes System aufgebaut; es kann in einer Public Cloud (Webserver) oder in einer abgeschotteten Intranet-Umgebung betrieben werden. Als Endgeräte können PCs wie auch Mobilgeräte dienen. Aufgrund der niedrigen technischen Anforderungen eignet sich DefenceDX AI hervorragend für Arztpraxen und Krankenhäuser, denen kein teurer Computertomograph zur Verfügung steht (z.B. in Schwellenländern).

Weiterentwicklung

Die dem System zugrunde liegende Machine Learning-Algorithmik kann auch für andere Röntgenbildfähige Indikationen genutzt werden, etwa für bösartige Neubildungen oder Absiedlungen in der Lunge, Lungenstauung, Lungenergussbildung, Herzschwäche oder Pneumothorax. Darüber hinaus ist eine Umsetzung zusätzlicher Klassifikationsaufgaben möglich, wie auch die Einbindung weiterer medizinischer Parameter (z.B. von Laborwerten oder anderen medizinischen Verlaufsparametern).

Gerne entwickeln wir Lösungen für Ihren speziellen Einsatzbedarf. Wir freuen uns auf Ihre Anfrage.

Bei Interesse an DefenceDX AI wenden Sie sich bitte an:

Alpspitz Bioscience GmbH
Telefon: +49 (0) 9281-84016-260
E-Mail: info@alpspitz-bioscience.com

Publikationen

Entwicklung eines Deep Learning-basierten Assistenzsystems zur Klassifikation von Pneumonien anhand von Röntgenbildern Masterarbeit von Jan Raber, 2021

Die Masterarbeit von Jan Raber untersucht mit Hilfe vorgegebener Datensätze die aktuellen Grenzen des Prototyps, der Röntgenbilder der Brust nach Lungenerkrankung ja/nein (Stufe 1) sowie bakteriell/viral (Stufe 2) klassifiziert. Außerdem wurde eine Visualisierungskomponente für diesen Prototyp implementiert.

Untersuchung von Ensemble-Learning zur Krankheitsklassifikation auf Thorax-Röntgenbildern
Masterarbeit von Sebastian Steindl, 2021

Die Masterarbeit von Sebastian Steindl untersucht hinsichtlich des verwendeten Machine-Learning-Ansatzes die Grenzen dieses Prototyps in der algorithmischen Klassifikation. Dabei liegt der Fokus nicht auf dem Datensatz, sondern auf den Schritten (bis hin zu einer Neuimplementierung des Modells), die notwendig sind, um den Prototyp zu einer Pilotversion weiterzuentwickeln, die eine zuverlässigere Klassifikation ermöglicht. Dazu wurden Methoden aus aktuellen Publikationen analysiert, implementiert und kombiniert (u.a. mit Hilfe von Ensemble Learning), um eine Multi-Label-Klassifikation auf dem CheXpert-Datensatz durchzuführen, die auch die Unsicherheiten aus Radiologieberichten berücksichtigt. Das endgültige Ensemble erreichte einen durchschnittlichen ROC-AUC von 0,917 für die fünf relevanten Labels des versteckten Testsatzes, der vom CheXpert-Wettbewerb bereitgestellt wurde.

Click to access the login or register cheese