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

  1. 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)
     
  2. 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)

Projektteam

Prof. Dr. Mattias Heinrich

M. Sc. Lasse Hansen