Selittävät tekoälytekniikat kolmiulotteisen kuvantamisdatan segmentoinnissa

Akronyymi

XAIS

Rahoitetun hankkeen kuvaus

XAIS-projektissa kehitetään vuorovaikutteisia lääketieteellisten kuvien segmentointimenetelmiä soveltaen selittäviä tekoälyjärjestelmiä ja XR-visualisointia, jotka yhdessä auttavat lääkäreitä kuvaperusteisessa diagnoosissa ja kliinisen hoidon suunnittelussa. Tavoitteena on yhdistää käyttäjän asiantuntijuus konkreettisemmin tekoälyn osaamiseen mahdollistamalla vuoropuhelun toimijoiden välillä. Tekoälyjärjestelmä perustuu likimääräisen Bayesilaisen Syväoppimisen menetelmiin, jotka yhdistetään XR-visualisointiin ja XR-interaktioon tekoälyjärjestelmän tehtävän helpottamiseksi kuvien segmentoinnissa. XR-kehityksessä sovelletaan ihmiskeskeistä suunnittelua ja lääketieteellisten asiantuntijakäyttäjien kanssa tehtäviä kontrolloituja käyttäjätestejä. Uudet menetelmät tekevät lääketieteellisten kuvien analyysimenetelmistä aiempaa tarkempia ja luotettavampia, mikä lisää lääketieteen asiantuntijoiden luottamusta segmentointituloksiin, säästää analyysiaikaa ja välttää kalliita virheitä.
Näytä enemmän

Aloitusvuosi

2022

Päättymisvuosi

2024

Myönnetty rahoitus

Roope Raisamo Orcid -palvelun logo
446 923 €


Rooli Suomen Akatemian konsortiossa

Johtaja

Muut osapuolet

Partneri
Aalto-yliopisto (345449)
288 799 €

Rahoittaja

Suomen Akatemia

Rahoitusmuoto

Suunnattu akatemiahanke

Muut tiedot

Rahoituspäätöksen numero

345448

Tieteenalat

Tietojenkäsittely ja informaatiotieteet

Tutkimusalat

Laskennallinen data-analyysi

Tunnistetut aiheet

health care