Das ist eine Meldung
Stet clita kasd gubergren, no sea takimata sanctus est. Ut labore et dolore aliquyam erat, sed diam voluptua.
PO - Lehre
Lehre, Lernen und Tools
17
MaiVeranstaltungsdetails
- Veranstalter
- Deutsche Röntgengesellschaft e.V.
- Art
- Poster-Session
- Thema
- Berufliche Aus-, Weiter- und Fortbildung
- Zielgruppe
- Andere, Ärzte in Weiterbildung (AiW), Fachärzte, Ingenieure / Naturwiss., Studenten
Zertifizierungen
Bewertung folgt.
Informationen
- Moderation
- Laura Segger (Berlin)
Ablauf
11:15 - 11:18
Vortrag (Poster)
Der Blick des Experten: Radiologische Lehre mit Eye Movement Modeling Examples
Robert Rischen (Münster)
Zielsetzung
Die Entwicklung des „diagnostischen Blicks“ für Schnittbildanatomie ist ein aufwendiger Lernprozess. Für Lernende ist besonders die Orientierung in der Sonoanatomie eine Herausforderung, da sie eine schnelle Interpretation dynamischer, verrauschter und komplexer Bildinformationen erfordert. Die Verwendung von Eye-Tracking in der radiologischen Lehre verspricht durch Modellierung von Augenbewegungen (Eye Movement Modeling Examples, EMME) das Lernen zu erleichtern; dies wurde evaluiert.
Material und Methoden
Mittels Eye-Tracking-Device wurden die Augenbewegungen eines erfahrenen Radiologen während einer Sonographie des gesunden Abdomens aufgezeichnet. Daraus wurden neun Lehrvideos dieser Untersuchung, jeweils mit (EMME) und ohne (Kontrolle) überlagerte Augenbewegungen, generiert. Diese Videos wurden dann von zwei zufällig ausgewählten Gruppen angeschaut (EMME-Gruppe n=51 Studierende, 21±3 Jahre, 26 w; Kontrollgruppe n=55, 21±3 Jahre, 37 w). Dabei wurden wiederum die Augenbewegungen der Probanden aufgezeichnet und diese einem Fragebogen unterzogen.
Ergebnisse
Nach dem Training identifizierten die Studierenden der EMME-Gruppe mehr anatomische Strukturen auf den Ultraschallbildern korrekt (p=.02, η2=0.05), empfanden das Training als nützlicher (p=0,001, η2=0,10) und beendeten die Aufgabe signifikant schneller (p=,02, η2=0,05). Die exogene kognitive Belastung (ECL) durch irrelevante Informationen war in der EMME-Gruppe geringer (p=0,005, η2=0,18) und mediierte den positiven Zusammenhang zwischen Intervention und Leistung. Studierende mit einem besseren Verständnis der Anatomie profitierten stärker von der EMME-Intervention (r=0,41, p=0,003).
Schlussfolgerungen
EMMEs haben positive Auswirkungen auf das sonoanatomische Training. Das Üben mit EMMEs fördert die frühe visuelle Expertise, hilft bei der Korrelation von anatomischem Vorwissen und Bildbefunden und reduziert die kognitive Belastung. Somit ergibt sich eine Empfehlung zur Einbindung exemplarischer Blickmuster in der radiologischen Lehre, besonders im E-Learning.
11:18 - 11:21
Vortrag (Poster)
Diffusionsmodelle für modalitätenübergreifende 3D Bildsynthese - Taschenspielertrick der Bildverarbeitung oder klinischer Nutzen?
Firas Khader (Aachen)
Zielsetzung
Obwohl noch im Stadium der wissenschaftlichen Evaluation sind generative Modelle auf Basis der künstlichen Intelligenz vielversprechende methodische Ansätze, um z.B. Bild-zu-Bild-Translationen zu realisieren und die Bildgebung in der Klinik noch leistungsfähiger zu machen. Zielsetzung war daher die Synthese von medizinischen 3D-Bilddaten unterschiedlicher Modalitäten durch generative Modelle und die Untersuchung des potentiellen klinischen Nutzens.
Material und Methoden
Im Rahmen dieser Studie wurde die Architektur sogenannter Diffusionsmodelle durch ein 3D U-Net erweitert und der self-attention Mechanismus modifiziert. Anstatt den Diffusionsprozess direkt auf dem Bild auszuführen, wird das Bild zunächst in eine latente Repräsentation niedrigerer Dimensionalität kodiert. Das Modell wurde anschließend auf vier öffentlich zugänglichen medizinischen 3D-Bilddatensätzen bestehend aus Knie-MR- (n=1250), Kopf-MR- (n=998), Thorax-CT- (n=1010) und Mamma-MR-Untersuchungen (n=922) trainiert und die Qualität der erzeugten Bilddaten mit denen eines generativ adversarial networks (GAN) -als bisherigem Referenzstandard der künstlichen Bildsynthese- direkt verglichen. Synthetisch erzeugte Bilddatensätze (n=200) wurden von einem Radiologen anhand einer Likert-Skala von 0 (nicht) bis 3 (maximal) hinsichtlich „realistischer Bilddarstellung“, „anatomischer Korrektheit“ und „Konsistenz zwischen den Schichten“ bewertet.
Ergebnisse
Modalitätenübergreifend wurden die 3D-Bilddaten mehrheitlich als realistisch bzw. mit nur geringen unrealistischen Bereichen (95%), nicht oder gering anatomisch inkonsistent (93%) und konsistent zwischen den Schichten (96%) bewertet. Weitere Analysen der Strukturähnlichkeit der Bilddaten zwischen dem Diffusionsmodell und dem GAN legen nahe, dass das Diffusionsmodell in der Lage ist, vielfältigere Bilddaten zu erzeugen.
Schlussfolgerungen
Diffusionsmodelle können erfolgreich für die Synthese qualitativ hochwertiger medizinischer 3D-Bilddatensätze eingesetzt werden und übertreffen bestehende GAN-basierte Ansätze.
11:21 - 11:24
Vortrag (Poster)
Automatisierte Auswertung von Freitextantworten mittels Natural Language Processing - eine Machbarkeitsstudie auf Basis des EDiR-Examens.
Fabian Stöhr (Mainz)
Zielsetzung
Die Mehrzahl der schriftlichen medizinischen Examina basieren auf Multiple-Choice-Fragen und/oder Freitextantworten. Die Aus- und Bewertung derartiger Freitextantworten erfolgt händisch und ist dementsprechend 1. zeitintensiv und 2. fehleranfällig. Ziel dieser Studie ist es daher zu untersuchen, ob es möglich ist, Freitextantworten mittels Natural Language Processing (NLP) automatisiert zu analysieren und anschließend eine Benotung vorzuschlagen, um den Auswerteprozess zu unterstützen.
Material und Methoden
Vom "European Board of Radiology" (EBR) der Europäischen Röntgengesellschaft (ESR) wurde ein repräsentatives Datenset zur Verfügung gestellt. Es bestand aus den offiziellen Fragen des „European Diploma in Radiology“ (EDiR), dem offiziellen Lösungsschlüssel sowie den Antworten der Teilnehmer inklusive Benotung. Anschließend wurde auf Basis von Wortlisten, von regel-basierten Synonymen und von direkt aus dem offiziellen Lösungsschlüssel gelernten Entscheidungsbäumen ein NLP-System erstellt.
Ergebnisse
Basierend auf einer Beispielfrage wurden Antworten von insgesamt 327 Teilnehmern analysiert und bewertet. Basierend auf dem offiziellen Lösungsschlüssel konnten 0-4 Punkte erreicht werden. Über 10 „Läufe“ gemittelt wurde ein „F1-Score“ von 0,39, eine „Precision“ von 0,39 und ein „Recall“ von 0.29 erreicht.
Schlussfolgerungen
Diese Studie zeigt, dass NLP-Systeme prinzipiell eingesetzt werden können, um Freitextantworten automatisiert zu analysieren und sogar zu bewerten. Je komplexer jedoch die Frage bzw. Antwort ist, desto schwieriger ist es, passende Wortlisten bzw. Synonyme zu finden, auf deren Basis das NLP-System gut arbeitet. In Zukunft könnten NLP-Systeme auch im Bereich des primären Fragen-Designs eingesetzt werden, um den Auswertevorgang noch effizienter und standardisierter zu gestalten. In Folgearbeiten könnte darüber hinaus untersucht werden, ob die gezeigten Ergebnisse auch in der Praxis zu einem effektiveren Bewertungsprozess führen (z.B. Einfluss auf die Varianz zwischen Prüfern, Zeitersparnis).
11:24 - 11:30