Ein Rückblick auf unsere Beitr?ge zur diesj?hrigen IEEE ISBI Konferenz in London
Unser Beitrag im Rampenlicht: Stylizing ViT
Unser Doktorand Sebastian Doerrich hielt einen Vortrag über unsere neueste Forschung. Er pr?sentierte das Paper mit dem Titel ?Stylizing ViT Anatomy Preserving Instance Style Transfer for Domain Generalization“, das er gemeinsam mit Francesco Di Salvo, Jonas Alle und Professor Christian Ledig verfasst hat. Die Arbeit befasst sich mit einer gro?en Herausforderung in der medizinischen Bildanalyse. Deep Learning Modelle haben h?ufig mit Datenheterogenit?t und Datenknappheit über verschiedene klinische Dom?nen hinweg zu k?mpfen. Dies kann dazu führen, dass nachgelagerte Modelle eher fehlerhafte stilistische Beziehungen als die wahre zugrunde liegende Anatomie lernen, was zu erheblichen Leistungseinbu?en führt, wenn sie mit neuen Dom?nen konfrontiert werden. Um dies zu l?sen, führte das Team einen modalit?tsunabh?ngigen Vision Transformer mit einem alleinige Enkodierungsmodul ein. Durch die Nutzung gemeinsamer Gewichte innerhalb eines einheitlichen Aufmerksamkeitsblocks integriert Stylizing ViT Self-Attention und Cross-Attention. Dieser Mechanismus erm?glicht es dem Modell, eine strikte anatomische Konsistenz aufrechtzuerhalten und gleichzeitig vielf?ltige Stilübertragungen durchzuführen. Indem der Trainingsdatensatz im laufenden Betrieb mit stilistisch vielf?ltigen, aber anatomisch originalgetreuen Bildern angereichert wird, wird das nachgelagerte Modell gezwungen, Repr?sentationen zu lernen, die wahre strukturelle Details erfassen. Die Methode erzielt eine Genauigkeitsverbesserung von bis zu 13 Prozent gegenüber aktuellen führenden Ans?tzen und generiert wahrnehmungstechnisch überzeugende Bilder frei von Artefakten. Darüber hinaus geht diese Methode über die standardm??ige Trainingsaugmentierung hinaus und passt ungesehene Datenstichproben w?hrend der Inferenz im laufenden Betrieb an die Trainingsdom?ne an, was eine Leistungssteigerung von 17 Prozent bewirkt.
Die vollst?ndige Abhandlung finden Sie hier.
Karrieren formen im Zeitalter der Künstlichen Intelligenz
?ber technische Beitr?ge hinaus war unsere Gruppe an Diskussionen über die berufliche Landschaft unseres Fachgebiets beteiligt. Professor Christian Ledig fungierte als Diskussionsteilnehmer beim Panel ?Shaping Careers in the Age of AI Voices, Paths, and Perspectives“. Da gro?e Sprachmodelle und fortschrittliche Werkzeuge Forschung und Innovation weiterhin ver?ndern, bot dieses Panel eine Plattform, um darüber nachzudenken, wie diese Technologien die biomedizinische Bildgebung, maschinelles Lernen und klinische Anwendungen beeinflussen. Professor Ledig schloss sich einer Gruppe von Fachleuten mit unterschiedlichen Hintergründen und Karrierewegen an. Dazu geh?rten Chen Chen von der University of Sheffield, Shikha Dubey von Johnson and Johnson Innovative Medicine, J. Eugenio Iglesias von der Harvard Medical School, Diana Mateus von der Ecole Centrale Nantes, Sparkle Russell Puleri von Gilead Sciences und Hongxu Yang von GE Healthcare. Gemeinsam teilten sie ihre beruflichen Werdeg?nge und diskutierten die Chancen und Unsicherheiten bei der Navigation durch eine sich schnell ver?ndernde Landschaft.
Wissenschaft, Networking und die Erfahrung in London
Die ISBI 2026 bot einen starken Rahmen für den wissenschaftlichen Austausch und verband das historische Erbe Londons mit einer internationalen Ausrichtung. Das Symposium verdeutlichte die Gr??e der Gemeinschaft für biomedizinische Bildgebung durch Keynotes, die sich für radikal offene Wissenschaft, Robustheit durch Design und den ?bergang zu modalit?tsbewussten Foundation Modellen einsetzten. Diese Themen passen direkt zu unserem Fokus auf einsetzbare klinische Systeme.
Unsere Zeit in London bekr?ftigte unseren Fokus auf die Weiterentwicklung vertrauenswürdiger und robuster Systeme. Von Sebastians Ansatz zur Dom?nengeneralisierung bis hin zu Professor Ledigs Perspektiven zur Karriereentwicklung planen wir, das Wachstum unserer Forschungsgemeinschaft weiterhin zu unterstützen. Wir kehren mit wertvollem Feedback von der ISBI 2026 zurück und freuen uns darauf, die n?chsten Herausforderungen in der medizinischen Bildanalyse anzugehen.
