KI-RAD: Künstliche Intelligenz für radiologische Bildgebung in der Notfall- und Intensivmedizin (BMWi)
KI-RAD ist Anwendungsprojekt des norddeutschen Forschungsverbandes zum Aufbau eines KI-Space für intelligente Gesundheitssysteme (KI-SIGS), einem Gewinner des Innovationswettbewerbs „Künstliche Intelligenz“ des Bundesministeriums für Wirtschaft (BMWi). Zum Aufbau des KI-Space gehört die Entwicklung und Aufbau einer KI-Plattform, die Definition und Umsetzung einer F&E Roadmap und die KI-Ertüchtigung der norddeutschen Gesundheitswirtschaft. Als Anwendungsprojekt wird KI-RAD die Vorteile einer Nutzung des KI-Space aufzeigen und den Aufbau aktiv mitgestalten.
Ziel des Projektes ist die Entwicklung und Bereitstellung von KI-gestützten Analyseverfahren zur Optimierung von Workflow und Befundungsqualität für die medizinische Bildgebung in der Notfall- und Intensivmedizin, speziell in den Bereichen Schlaganfall, Skelettrauma und Intensivthorax in Zusammenarbeit mit dem Universitätsklinikum Schleswig-Holstein (UKSH), dem Universitätsklinikum Hamburg-Eppendorf (UKE) und Philips Research Hamburg.
Das Institut für Medizinische Informatik (IMI) wird im Projekt KI-RAD hauptsächlich Verfahren der Visualisierung und Konfidenzschätzung von Deep Learning Verfahren für Röntgenthorax-Aufnahmen aus der Intensivmedizin weiterentwickeln. Dazu kommen zum Beispiel Ensemble- und iterative Pertubationsmodelle in Frage, die im Verlauf des Projektes insbesondere auch hinsichtlich der Laufzeit/Inferenz optimiert werden sollen.
BMWi Projekt Förderung (2020-2023) 2’080’000€ (UzL: 114’000€ , IMI: 114’000€)
Ausgewählte Publikationen
- Heinrich M.P., Oktay O., Bouteldja N.
OBELISK-Net: Fewer Layers to Solve 3D Multi-Organ Segmentation with Sparse Deformable Convolutions
Medical Image Analysis (MedIA, 2019)
- Schlemper J., Oktay O., Schaap M., Heinrich M.P., Kainz B., Glocker B., Rückert D.
Attention Gated Networks: Learning to Leverage Salient Regions in Medical Images
Medical Image Analysis (MedIA, 2019)
- Forschung
- KI und Deep Learning in der Medizin
- Medizinische Bildverarbeitung und VR-Simulation
- Integration und Nutzbarmachung von medizinischen Daten
- Sensordatenanalyse für assistive Gesundheitstechnologien
- AG Medical Image Computing and Artificial Intelligence
- AG Medical Data Science
- AG Medical Deep Learning
- AG Medical Data Engineering
- Nachwuchsgruppe Diagnostik und Erforschung von Bewegungsstörungen
Ansprechpartner
Mattias Heinrich
Professor
Gebäude MFC2, 4.OG
mattias.heinrich(at)uni-luebeck.de
+49 451 3101 5602