Wissenschaftspreisträger 2023

Alexander Ziller & PD Dr. Georgios Kaissis Publikationspreis

„End-to-end privacy preserving deep learning on multi-institutional medical imaging“

Jedes Jahr sterben weltweit etwa eine Million Kinder an Lungenentzündung. Besonders betroffen sind Kinder, die im sogenannten globalen Süden aufwachsen. Aufgrund des Mangels an Ärzten und Röntgenärzten in diesen Ländern werden die Erkrankungen meist erst spät erkannt. Die wissenschaftliche Arbeit von Alexander Ziller und Dr. Georgios Kaissis greift diese Problematik auf. Künftig sollen KI-gestützte Modelle anhand von Röntgenbildern erste Einschätzungen liefern, ob eine Lungenentzündung vorliegt und ob sie bakteriell oder viral bedingt ist.

Für Ihre Arbeit „End-to-end privacy preserving deep learning on multi-institutional medical imaging“ haben Sie den Publikationspreis der DGDM erhalten. Im Interview geben Sie Einblicke in Ihre Arbeit und erklären, wie KI-Modelle datenschutzkonform trainiert werden können.

Dr. Hannes Ulrich Promotionspreis

„Standardisierte Metadatenintegration für die Sekundärnutzung klinischer Daten“

Metadaten spielen in der Datenverarbeitung im Gesundheitswesen eine wichtige Rolle, da sie zur Validierung klinischer Daten beitragen können. Dr. Hannes Ulrich hat sich in seiner Doktorarbeit "Standardisierte Metadatenintegration für die Sekundärnutzung klinischer Daten" mit diesem Thema beschäftigt. Im Video erklärt er, was Metadaten sind, woher sie kommen und wie sie im medizinischen Bereich helfen können, die Grundlagen der Datengenerierung und -verarbeitung zu verstehen.

Wir präsentieren: Dr. Hannes Ulrich, Preisträger des Promotionspreises der DGDM 2023

Vanja Sophie Cangalovic Masterarbeitspreis

„Uncertainty Quantification Estimating Aleatoric and Epistemix Uncertainty in Medical Image Segmentation“

Die automatische Segmentierung medizinischer Bilder wird heute mit Hilfe neuronaler Netze durchgeführt. Diese geben aber manchmal zu selbstsichere Vorhersagen aus, was die Fehlererkennung erschwert. Neuronale Netze sollten daher zusätzlich zu ihrer normalen Segmentierungsausgabe eine Abschätzung darüber liefern, wie korrekt dieses Ergebnis ist." Vanja Sophie Cangalovic hat sich in ihrer von der DGDM ausgezeichneten Masterarbeit "Uncertainty Quantification Estimating Aleatoric and Epistemix Uncertainty in Medical Image Segmentation" mit dieser Unsicherheit beschäftigt und wie sie in Zukunft reduziert werden kann.

Tom Richter Bachelorarbeitspreis

„Tabellenextraktion für handgeschriebene tabellarische Patientenakten“

Digitalisierte Akten können dem medizinischen Personal helfen, Daten besser zu analysieren, zu durchsuchen und effizienter zu speichern. Sollen handschriftliche Tabellen digitalisiert werden, sind Verfahren erforderlich, die die Tabelle und ihren Inhalt erkennen können. Für seine Bachelorarbeit "Tabellenextraktion für handgeschriebene tabellarische Patientenakten" wurde Tom Richter von der Jury der DGDM ausgezeichnet. Im Video erklärt er seine Arbeit und seine Begeisterung für die digitale Medizin.