Trefwoorden: deep learning, machinaal leren, radiomica, medische beeldvorming, histopathologie

"Combining deep learning and radiomics-based machine learning to optimize predictions on medical images"

In 2040 zullen naar schatting 28 miljoen mensen gediagnosticeerd worden met kanker, een stijging van bijna 50% ten opzichte van de cijfers van 2020 (GLOBACAN 2020). Dit zal de last van kanker voor de samenleving en gezondheidszorg verhogen. Bovendien is het tekort aan artsen al een wereldwijd probleem, waardoor de vraag naar hulpmiddelen om hun werklast te verminderen toeneemt. Het is daarom noodzakelijk om klinische beslissingsondersteunende systemen te blijven verbeteren en ontwikkelen, wat de focus is van dit proefschrift.

Dit proefschrift bestaat uit twee delen, die beide tot doel hebben om de gecombineerde waarde van feature-based en deep-learning modellen voor medische beeldanalyse bij kanker te onderzoeken. Het eerste deel van dit proefschrift onderzoekt de gecombineerde voorspellingen van feature-based en deep-learning modellen. Dit zou mogelijk kunnen leiden tot nauwkeurigere en robuustere raamwerken. Het tweede deel van dit proefschrift onderzoekt het gebruik van feature-based modellen om de voorspellingen van deep-learning modellen te vergroten.

Klik hier voor de livestream.