Transparentes maschinelles Lernen, Vertrauenswürdige KI, Nutzerfreundlichkeit, Holographische Zytologie
TU-Systematik:
DAT 001
Kurzfassung:
This work examines the translation of learning algorithms into the biomedical domain of holographic cytology. Therefore, the work evaluates if machine learning methods can form a solid processing pipeline for the analysis of cell images. Emphasis is placed on the explainability of these methods and their impact on trustworthiness. To put the developed concepts into practice, this work presents a catalog of design rules for the user-friendly construction of AI-infused biomedical tools.
Übersetzte Kurzfassung:
Diese Arbeit untersucht die Translation von Lernalgorithmen in das Anwendungsfeld der holographischen Zytologie. Dazu wird die Eignung maschineller Lernverfahren zur robusten Verarbeitung von Zellbildern evaluiert. Von besonderem Interesse sind dabei die Erklärbarkeit und Vertrauenswürdigkeit der verwendeten Methoden. Für die praktische Umsetzung stellt die Arbeit einen Katalog von Gestaltungsrichtlinien für den nutzerfreundlichen Aufbau von KI-gestützten biomedizinischen Programmen vor.