TUM School of Computation, Information and Technology
Institution:
Informatik 16 - Lehrstuhl für Anwendungen in der Medizin (Prof. Navab)
Betreuer:
Navab, Nassir (Prof. Dr.)
Gutachter:
Navab, Nassir (Prof. Dr.); Schüffler, Peter (Prof. Dr.); Loddo, Andrea (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
TU-Systematik:
MED 230; DAT 760
Kurzfassung:
Microscopy is fundamental in clinical blood diagnostics but labor-intensive. This dissertation addresses key challenges through AI-driven methods, improving diagnostic accuracy, adaptability, transparency, and fairness in two parts: i) single-cell analysis using active learning, robust feature extraction, continual learning, and a tool for interpretable red blood cell analysis; and ii) disease diagnosis via multiple instance learning methods, interpretability, and equitable healthcare.
Übersetzte Kurzfassung:
Mikroskopie ist ein zentrales Werkzeug in der klinischen Diagnostik, aber zeitaufwändig. Meine Dissertation zeigt, wie KI-Methoden die Blutzelldiagnostik durch höhere Genauigkeit, Transparenz und Fairness verbessern: Teil 1 behandelt die Einzelzelldiagnostik mit Active Learning, robuster Merkmalsextraktion, kontinuierlichem Lernen und einem Tool zur Analyse roter Blutzellen. Teil 2 fokussiert die Krankheitsdiagnose mit Multiple-Instance-Learning, Interpretierbarkeit und gerechter Versorgung.