Synthetische Daten und Kohorten
Die Entwicklung von neuen KI-basierten Medizinprodukten kann die numerische Modellierung in der Klinik vorantreiben. Die dazu benötigten großen Mengen an Daten zum Trainieren von neuronalen Netzwerken oder Algorithmen für Maschinelles Lernen sind in der Klinik selten vorhanden. Das Problem können synthetische Daten und Kohorten lösen.
Sie befinden sich hier:
Statistisches Formmodell
MRT-basierte Daten der Anatomie wurden benutzt um ein statistisches Formmodell der Aorta zu entwickeln. Dieses Formmodell wird benutzt um die synthetischen Geometrien zu generieren deren Strömung mit CFD analysiert wurde.
Links: Segmentierung der Aorta mit dem linken Ventrikel
Mitte: Generierung des statistischen Formmodelles basierend auf der Principle Component Analysis
Rechts: Generierung synthetische Geometrien für CFD Analyse
Trainieren des neuronalen Netzwerkes auf synthetischen Daten
Das Artificial Neural Network (ANN) zur Berechnung hämodynamischer Parameter in einer Aorta mit Verengung wurde zuerst mit einer kleinen Kohorte (200 Fälle) klinischer Daten und danach mit einer großen Kohorte (3000 Fälle) synthetischer Daten trainiert.
Oben: Long short-term memory recurrent neural network (LSTM RNN) Architektur, die in Rahmen des ArtiCardio-Projektes durch die Firma Siemens entwickelt wurde
Unten: Druckverlust-Fehleranalyse mit Nachweis, dass synthetische Daten die Genauigkeit der KI-Lösung signifikant verbessern