„Die Entscheidungsgrundlage einer künstlichen Intelligenz ist nicht einsehbar und nachvollziehbar!“ und „Neuronale Netze sind eine Blackbox.“ Lange waren das wichtige Argumente von KI-Kritikern. In den vergangenen Jahren brachte die Wissenschaft jedoch verschiedenste Ansätze hervor, die die Lernprozesse eines neuronalen Netzes visualisieren und veranschaulichen.
Der Landshuter Student Jakob Dexl hat in seiner Bachelorarbeit im Labor für Medizintechnik bei Prof. Dr. Stefanie Remmele die wichtigsten Visualisierungsmethoden zusammengetragen, implementiert und der Öffentlichkeit als Softwarepaket zur Verfügung gestellt. Darüber hinaus hat er diese Methoden angewendet, um das Lernergebnis eines tiefen Faltungsnetzes bei der Klassifizierung medizinischer Bilddaten zu evaluieren.
Im Bayrischen Hof in München wurde ihm dafür vor kurzem – in Anwesenheit von Dorothee Bär, Staatsministerin für Digitalisierung – der renommierte VDE-Award in der Kategorie „Wissenschaft“ verliehen.
Anomalien und Tumore besser erkennen
Dexls Bachelorarbeit befasst sich mit der computerbasierten Auswertung von radiologischen Bildern des Gehirns, um Ärzte bei der Erkennung von Anomalien und Tumoren zu unterstützen. Die anfallende Datenmenge ist so gewaltig, dass seit Jahren Verfahren zur automatisierten Auswertung untersucht werden. Klassisch werden Verfahren des Feature Engineering verwendet. Ein Verfahren, das erprobt ist, aber nicht universell eingesetzt werden kann und viel Know-how und Erfahrung erfordert. Neuere Methoden des Deep Learning (künstliche Intelligenz) sind aber nicht intuitiv für den Arzt zu überprüfen.
Die Arbeit befasst sich damit, die Ergebnisse zu visualisieren und transparent zu machen. Dazu wurden radiologische Datensätze verwendet, um verschiedene Prinzipien zu testen. Dexl zeigt in seiner Bachelorarbeit auch, wo noch Probleme in der automatisierten Auswertung bestehen.
Mit dem VDE-Award zeichnet der VDE Bayern herausragende technische, wissenschaftliche und schulische Leistungen sowie innovative Firmengründungen aus. Die Preise werden dementsprechend in vier Kategorien vergeben: Start-up, Handwerk, Schule und Wissenschaft.
Fotos: Rita Modl (VDE) / Hochschule Landshut
(frei zur Verwendung bei Angabe der Quelle)
