Projekt 10: Zuverlässige Bewertung von medizintechnischen Zeitreihen

Die automatisierte Bewertung von Zeitreihen zu diagnostischen oder therapeutischen Zwecken (z.B. Klassifikation von EKG- oder EEG-Daten) spielt in der Medizintechnik eine entscheidende Rolle. Erfolgsversprechende Ansätze mit hoher Spezifität und Sensitivität sind tiefe Neuronale Netze, die jedoch keine direkte Interpretation zulassen. Im medizinischen Anwendungsbereich ist die Nachvollziehbarkeit jedoch von hoher Wichtigkeit, teilweise zur Zulassung normativ gefordert. In diesem Projekt sollen Methoden aus dem Bereich der Erklärbaren Künstlichen Intelligenz (XAI) untersucht werden, die es erlauben, individuelle Erklärungen der Einzelentscheidungen aus tiefen Netzen abzuleiten. Dazu werden lokale oder globale Erklärungsverfahren entwickelt und evaluiert. Fusioniert werden diese Ansätze mit regelbasierten Experten-Modellen, die sowohl zur Kontrolle und Plausibilisierung als auch zur Erklärung als Surrogate Models zum Einsatz kommen können. Anschließend werden diese Ergebnisse in eine für medizinisches Fachpersonal verständliche Darstellung überführt.
 

Erstbetreuer:

Prof. Michael Munz, Technische Hochschule Ulm

 

Tandempartner

Prof. Dr. Hans Kestler, Institut für Medizinische Systembiologie, Universität Ul

 

Beratende Experten:

Prof. Dr. Jan Beyersmann, Institut für Statistik, Universität Ulm

Prof. Dr. Birte Glimm, Institut für Künstliche Intelligenz, Universität Ulm

Prof. Dr. Stephan Schlüter, Technische Hochschule Ulm

Prof. Dr. Kathrin Stucke-Straub, Technische Hochschule Ulm