Promotie Minghua Li
Promotor: Prof. Dr. Ir. A.L.A.J. Dekker
Co-promotores: Dr. L.Y.L. Wee, Dr. Z. Zhang
Trefwoorden: AI, Radiotherapie, Medische beeldanalyse
"Artificial Intelligence for End-to-End Radiotherapy Optimization: Radiomics, Synthetic Data, Deep Learning, and Large Language Models"
In dit proefschrift is onderzocht hoe kunstmatige intelligentie verschillende fasen van de kankerzorg kan ondersteunen, met name op het gebied van radiotherapie. Er is gekeken naar manieren om medische beelden betrouwbaarder te maken voor analyse, er is gebruikgemaakt van synthetische gegevens om het trainen van modellen te verbeteren wanneer er onvoldoende patiëntgegevens beschikbaar zijn, en er zijn deep learning-tools ontwikkeld voor taken zoals tumordetectie en de segmentatie van organen of tumoren. In een later stadium is ook onderzocht hoe grote taalmodellen en AI-agenten kunnen helpen bij het ordenen van medische informatie en het ondersteunen van klinische besluitvorming. Het algemene doel van dit werk was het verbeteren van de nauwkeurigheid, efficiëntie en personalisatie van de kankerbehandeling.
Klik hier voor de livestream.