xAI – Erklärbare KI in der Digitalen Pathologie
![Bundesministerium für Bildung und Forschung](/de/ff/sse/health/medical-image-analysis/mikaia/digitale-pathologie-KI/jcr:content/contentPar/sectioncomponent_411/sectionParsys/textwithinlinedimage/imageComponent1/image.img.jpg/1611745349403/BMBF-de.jpg)
Ziel: Transparente KI Algorithmen in der digitalen Pathologie
Partner: Universität Bamberg (Cognitive Systems, Prof. Dr. Ute Schmid), Fraunhofer HHI
Aktueller Status:
- Entwicklung und Evaluation von Technologien, die KI- Algorithmen nachvollziehbarer machen
Unsere Lösung:
- Darstellung der Ergebnisse von Neuronalen Netzen in einfach nachvollziehbarer und transparenter Form
- Berücksichtigen von Unsicherheiten sowohl aus den annotierten Trainingsdaten als auch aus dem Modell selbst
Gefördert vom Bundesministerium für Bildung und Forschung (BMBF)
Transparent Medical Expert Companion (TraMeExCo)
--------------------------------------------------
Literatur:
Schmid, Wittenberg (2019) TraMeExCo - Medical Expert Companion (Vortrag). All-Hands-Meeting (5. Juni 2019, Dortmund), Förderschwerpunkt Maschinelles Lernen des BMBF.
Rieger, Finzel, Seuß, Wittenberg, Schmid (2019) Make Pain Estimation Transparent: A Roadmap to Fuse Bayesian Deep Learning and Inductive Logic Programming (Poster). 41st Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC, 23.-27. Juli 2019, Berlin)
Bruns, Volker, Geppert, Carol (2019), Einsatz von Künstlicher Intelligenz in der digitalen Pathologie - Auf dem Sprung in die Routine?, Trillium Diagnostik 2/2019, https://www.trillium.de/zeitschriften/trillium-diagnostik/ausgaben-2019/td-heft-22019/pathologie/einsatz-von-kuenstlicher-intelligenz-in-der-digitalen-pathologie.html
Poster presentation at Global Engage blog: Tumor budding in brightfield immunostained colon sections