[20. Juni] Die 26. Zukunft der Chirurgie: KI-gestützte Hautgeschwürbeurteilung – Ein erster Schritt hin zur Wundbeurteilung in Echtzeit
KI-übersetztÜber diese Session
Freitag, 20. Juni 2025, 18:00-20:00 Uhr
Hauptvortrag
„Minimalinvasive Rekonstruktion therapieresistenter Ulzera mittels Kapillarperforatorlappen“
Isao Mitsushima, Professor Emeritus, Universität Tokio
Eingeladener Vortrag
„KI-gestützte Beurteilung von Hautgeschwüren – Ein erster Schritt hin zur Wundbeurteilung in Echtzeit“
Kazufumi Tate, außerordentlicher Professor, Abteilung für Plastische Chirurgie, Medizinische Fakultät, Tohoku Medical and Pharmaceutical University
Die Beurteilung von Hautgeschwüren erfolgte traditionell durch visuelle Inspektion von Ärzten. Dieser Ansatz ist jedoch subjektiv und wenig reproduzierbar. Daher versuchen wir, Geschwüre mithilfe KI-gestützter Bildanalyse zu untersuchen. Mit unserer eigenen Software annotierten wir Geschwürbilder in sechs Klassen und führten eine semantische Segmentierung durch. Die automatische Geschwürerkennung war zwar gut, die Genauigkeit jedoch bei Klassen mit uneindeutiger Farbe gering. Um dies zu kompensieren, implementierten wir einen zusätzlichen Annotationsmechanismus mit RGB-Werten und einer linearen Klassifizierungsformel. Diesen setzen wir derzeit in Kombination mit der KI-gestützten Beurteilung ein, um die Genauigkeit zu verbessern. Zukünftig wollen wir eine KI-Kamera entwickeln, die Geschwüre in Echtzeit beurteilen und Veränderungen im Zeitverlauf erfassen kann.
Freitag, 20. Juni, 18:00-20:00 Uhr (JST)
Hauptvortrag
Kapillarperforatorlappen zur Behandlung refraktärer Ulzera
- Ein minimalinvasiver Ansatz zur komplexen Wundrekonstruktion -
Dr. Isao Koshima
Professor Emeritus, Universität Tokio
Eingeladener Vortrag
Einsatz von KI zur Beurteilung von Hautgeschwüren:
Ein Schritt hin zur Wundbeurteilung in Echtzeit
Dr. Kazufumi Tachi
Außerordentlicher Professor, Abteilung für Kunststoff und
Rekonstruktive Chirurgie
Medizinische und Pharmazeutische Universität Tohoku
Hautgeschwüre wurden traditionell visuell von Ärzten beurteilt. Dieser Ansatz ist jedoch subjektiv und wenig reproduzierbar. Um dieses Problem zu lösen, haben wir ein KI-System zur automatischen Beurteilung von Geschwüren mittels Bildanalyse entwickelt. Wir annotierten Geschwürbilder mithilfe einer eigens entwickelten Software in sechs Klassen und trainierten Deep-Learning-Modelle für die semantische Segmentierung. Obwohl die Modelle im Allgemeinen gute Ergebnisse lieferten, sank die Genauigkeit in Klassen mit uneindeutigen Farbmerkmalen. Ergänzend dazu implementierten wir ein zweites Annotationssystem auf Basis von RGB-Werten und linearen Klassifizierungsformeln. Unser aktuelles Modell kombiniert KI-basierte und regelbasierte Beurteilungen, um die Genauigkeit zu verbessern. Unser Ziel ist die Entwicklung eines KI-Kamerasystems in Echtzeit, das den Verlauf von Geschwüren beurteilen und verfolgen kann.
|
Behandlung von Hautgeschwüren
KI-Diagnose
Echtzeitauswertung
Prädiktive Medizin
Unterdruck-unterstütztes Hochgeschwindigkeits-Gefäßanastomosegerät
Behandlung von Hautgeschwüren
AIDiagnose
Echtzeitbewertung
Prädiktive Medizin
Unterdruckgestütztes Anastomosengerät
|
Programm
Koshima Isao
The Next Generation of Super Microsurgery International Forum, The Next-Generation of Super Mirosurgery International Forum
The University of Tokyo,
Tachi Kazufumi
Tohoku Medical and Pharmaceutical University,
Die Beurteilung von Hautgeschwüren erfolgte traditionell durch visuelle Inspektion von Ärzten. Dieser Ansatz ist jedoch subjektiv und wenig reproduzierbar. Daher versuchen wir, Geschwüre mithilfe KI-gestützter Bildanalyse zu untersuchen. Mit unserer eigenen Software annotierten wir Geschwürbilder in sechs Klassen und führten eine semantische Segmentierung durch. Die automatische Geschwürerkennung war zwar gut, die Genauigkeit jedoch bei Klassen mit uneindeutiger Farbe gering. Um dies zu kompensieren, implementierten wir einen zusätzlichen Annotationsmechanismus mit RGB-Werten und einer linearen Klassifizierungsformel. Diesen setzen wir derzeit in Kombination mit der KI-gestützten Beurteilung ein, um die Genauigkeit zu verbessern. Zukünftig wollen wir eine KI-Kamera entwickeln, die Geschwüre in Echtzeit beurteilen und Veränderungen im Zeitverlauf erfassen kann.
Hautgeschwüre wurden traditionell visuell von Ärzten beurteilt. Dieser Ansatz ist jedoch subjektiv und wenig reproduzierbar. Um dieses Problem zu lösen, haben wir ein KI-System zur automatischen Beurteilung von Geschwüren mittels Bildanalyse entwickelt. Wir annotierten Geschwürbilder mithilfe einer eigens entwickelten Software in sechs Klassen und trainierten Deep-Learning-Modelle für die semantische Segmentierung. Obwohl die Modelle im Allgemeinen gute Ergebnisse lieferten, sank die Genauigkeit in Klassen mit uneindeutigen Farbmerkmalen. Ergänzend dazu implementierten wir ein zweites Annotationssystem auf Basis von RGB-Werten und linearen Klassifizierungsformeln. Unser aktuelles Modell kombiniert KI-basierte und regelbasierte Beurteilungen, um die Genauigkeit zu verbessern. Unser Ziel ist die Entwicklung eines KI-Kamerasystems in Echtzeit, das den Verlauf von Geschwüren beurteilen und verfolgen kann.