Trefwoorden: Radiomics, Verklaarbaarheid, Onzekerheidsschatting, Klinisch nut van kunstmatige intelligentie
 

"Towards Trustworthy Artificial Intelligence in Medical Imaging: Explainability, Uncertainty and Clinical Utility of Radiomics"

Deze dissertatie onderzoekt het gebruik van kunstmatige intelligentie (AI) in medische beeldanalyse om uitdagingen in klinische diagnostiek, voorspelling van behandelingen en ziekteprognose aan te pakken. Het werk benadrukt het belang van verklaarbaarheid en onzekerheidsschatting in AI-modellen om transparantie en betrouwbaarheid in medische toepassingen te garanderen. Het introduceert betrouwbare segmentatie- en detectiehulpmiddelen voor verschillende medische aandoeningen, zoals hoofd-halskanker, aandoeningen aan de halsslagader en niercysten. Daarnaast werden diagnostische en voorspellende tools ontwikkeld voor idiopathische longfibrose, overleving van hoofd-halskanker en leverfalen na een hepatectomie. Nieuwe methoden voor het schatten van onzekerheid werden geïntegreerd in diepe neurale netwerken, waardoor post-processing, prestaties en kwaliteitscontrole werden verbeterd. Het werk verkent ook verklaarbaarheidsbenaderingen in zowel handgemaakte radiomics als deep learning, waarbij nieuwe methoden zoals counterfactual explanations worden geïntroduceerd. In dit proefschrift wordt een nieuw raamwerk voorgesteld voor de methodologische evaluatie van verklaringen voor AI-tools in medische beeldanalyse. Er wordt ook een nieuwe standaard voorgesteld voor het benchmarken van radiomics-onderzoek om de klinische vertaling van radiomics te verbeteren.  

Klik hier voor de livestream.