{"id":4503,"date":"2026-07-03T11:38:15","date_gmt":"2026-07-03T09:38:15","guid":{"rendered":"https:\/\/crta-robotics.com\/?p=4503"},"modified":"2026-07-03T12:31:30","modified_gmt":"2026-07-03T10:31:30","slug":"inspiration-projekt-na-medunarodnoj-ljetnoj-skoli-o-umjetnoj-inteligenciji-u-medicini","status":"publish","type":"post","link":"https:\/\/crta-robotics.com\/de\/inspiration-projekt-na-medunarodnoj-ljetnoj-skoli-o-umjetnoj-inteligenciji-u-medicini\/","title":{"rendered":"Das Projekt INSPIRATION auf der internationalen Sommerschule f\u00fcr K\u00fcnstliche Intelligenz in der Medizin"},"content":{"rendered":"

In Rahmen des Projekts INSPIRATION, unter der Leitung von Assoc. Prof. Filip \u0160uligoj geleitet ist, nahm die Doktorandin und Nachwuchswissenschaftlerin Ines Frajtag an der internationalen Sommerschule 7th Summer School on Deep Learning for Medical Imaging teil, die an der \u00c9cole de technologie sup\u00e9rieure (\u00c9TS) in Montr\u00e9al, Kanada, stattfand.<\/p>\n\n\n\n

Die Sommerschule war auf fortgeschrittene Methoden des Deep Learning und deren Anwendung im Bereich der medizinischen Bildanalyse ausgerichtet, mit besonderem Schwerpunkt auf der Entwicklung, dem Training, der Evaluierung und der klinischen Anwendbarkeit von Modellen der k\u00fcnstlichen Intelligenz. Das Programm umfasste Vorlesungen, technische Sitzungen und praktische Workshops, in denen moderne Ans\u2019atze des Computer Vision und des Managements medizinscher Bilddaten behandelt wurden.<\/p>\n\n\n\n

Im Verlauf des Programms wurden verschiedene Architekturen neuronaler Netze behandelt, die f\u00fcr Aufgaben der medizinischen Segmentierung, Klassifikation und Bildinterpretation eingesetzt werden. Besondere Aufmerksamkeit wurde Modellen gewidmet, die eine automatische Extraktion anatomischer Strukturen, pathologischer Ver\u00e4ndrungen oder relevanter bildbasierter Merkmale aus medizinischen Aufnahmen erm\u00f6glichen. Solche ans\u00e4tze spielen eine wichtige Rolle bei der Entwicklung von Systemen zur Unterst\u00fctzung klinicher Entscheidungsprozesse, bei der Planung medizinischer Eingriffe sowie bei der Erh\u00f6hung der Pr\u00e4zision bildgef\u00fchrter Verfahren.<\/p>\n\n\n\n

Neben den Modellen selbst umfasste das Programm auch praktische Aspekte der Entwicklung von Systemen auf Basis von Deep Learning. Diskutiert wurden die Vorbereitung und Vorverarbeitung von Daten, die Organisation von Trainings-, Validierungs- und Testdatens\u00e4tzen, Strategien f\u00fcr das Modelltraining sowie die Auswahl geeigneter Metriken zur Leistungsbewertung. Ein besonderer Schwerpunkt lag auf der Bewertung der Robustheit von Modellen, ihrer Generalisierungsf\u00e4higkeit auf neue Daten und der Bedeutung einer zuverl\u00e4ssigen Validierung vor einer m\u00f6glichen Anwendung im klinischen Umfeld<\/p>\n\n\n\n

Ein wichtiger Teil des Programms befasste sich auch mit Herausforderungen, die im Bereich medizinischer Bilddaten besonders ausgepr\u00e4gt sind. Dazu z\u00e4hlen die begrenzte Ver\u00fcgbarkeit qualitativ hochwertig annotierter Datens\u00e4tze, die Variabilit\u00e4t medizinischer Aufnahmen, Unterschiede zwischen Ger\u00e4ten und Aufnahmeprotokollen, Klassenungleichgewische sowie der Bedarf an interpretierbaren und klinisch zuverl\u00e4ssigen Modellen. Zudem wurde der Transfer entwickelter Algorithmen aus dem Forschungsumfeld in reale medizinische und robotische Anwendungen diskutiert.<\/p>\n\n\n\n

Die erworbenen Kenntnisse stehen in direktem Zusammenhang mit den Forschungsaktivit\u00e4ten im Rahmen des Projekts INSPIRATION, insbesondere mit den Bereichen Computer Vision, Analyse medizinischer und biometrischer Daten sowie nichtinvasive Patientregistrierung. Methoden des Deep Learning zur Segmentierung und Interpretation von Bildern stellen eine wichtige Grundlage f\u00fcr die Entwicklung fortschrittlicher Systeme dar, die zu einer pr\u00e4ziseren Planung und Durchf\u00fchrung robotisierter medizinischer Eingriffe beitragen k\u00f6nnen.<\/p>\n\n\n\n

Die Teilnahme an dieser Sommerschule erm\u00f6glichte eine zus\u00e4tzliche fachliche Weiterbildung im Bereich der k\u00fcnstlichen Intelligenz in der medizinischen Bildgebung, den Wissensaustausch mit internationalen Expertinnen, Experten und Forschenden sowie einen Einblick in aktuelle Forschungstrends und Herausforderungen bei der Anwendung von Deep Learning in der Medizin. Diese Erfahrung tr\u00e4gt zus\u00e4tzlich zur Entwicklung der Forschungskompetenzen im Rahmen der Projekts INSPIRATION sowie zur St\u00e4rkung der internationalen Zusammenarbeit in den Bereichen Computer Vision, medizinische Robotik und robotisch gef\u00fcrte medizinische Verfahren bei.<\/p>\n\n\n\n

Das Projekt wird von der Europ\u00e4ischen Union \u2013 NextGenerationEU \u2013 finanziert.<\/p>\n\n\n\n