DATIpilot Modul 1 Innovationssprints: (KI)-gestützte Vorhersage von (W)undverläufen und deren (i)ndividuelle Kosten - KIWI

Sachbericht zum Verwendungsnachweis

dc.contributor.authorKundschaft, Max
dc.contributor.authorArnold, Marvin
dc.date.accessioned2026-08-27T15:43:26Z
dc.date.available2026-08-27T15:43:26Z
dc.date.issued2026-04-08
dc.description.abstractDas Ziel des Projektes war die KI-gestützte Vorhersage von Behandlungsverläufen und Heilungschancen durch die Anwendung künstlicher Intelligenz auf Wundbilder und Patientendaten, die im Rahmen der Kaltplasma-behandlung erhoben werden. Die Coldplasmatech GmbH ist verantwortlich für die Erhebung und Bereitstellung der Patientendaten sowie für die Koordination und Sicherstellung der professionellen Behandlung der Patienten in zertifizierten Plasma.Kompetenz.Zentren. Die TU Dresden hat im Rahmen des Projekts die Entwicklung eines KI-Systems zur Analyse und Prognose der Wundheilung übernommen. Beitrag des Teilprojekts A: Coldplasmatech hat die Verantwortung für die Erhebung und Dokumentation der Patientendaten sowie die Koordination der Behandlung in den Plasma.Kompetenz.Zentren. Ein besonderes Augenmerk lag auf der Sicherstellung der Qualität der Dokumentation und der Einhaltung der Datenschutzvorgaben. Coldplasmatech hat außerdem das Ziel verfolgt, ein Pay-per-Performance-Modell zu entwickeln, das auf den durch die KI gewonnenen Erkenntnissen basiert. Beitrag des Teilprojekts B: Zusammenstellung und Aufbereitung eines Wund- und Patientendatensatzes, auf dessen Basis eine KI trainiert wird, die in der Lage ist, Wunden zu analysieren und Merkmale zu extrahieren. Implementierung einer neuartigen Wundheilungsprognose, deren Genauigkeit evaluiert wird. Dazu wird zunächst in Zusammenarbeit mit Coldplasmatech ein Datensatz erstellt, der mit weiteren bereits vorhandenen Literaturdatensätzen angereichert wird. Mittels klassischer und neuartig KI-basierter Bildsegmentierungsverfahren soll dann die Wunde erkannt und Merkmale extrahiert werden. Als besondere Schwierigkeit wurde die geringe Anzahl an Trainingsdaten identifiziert, für die Mitigationsstrategien angedacht sind. Auf Basis der Patientendaten und der extrahierten Bildinformationen soll ein innovativer Prognosealgorithmus trainiert werden, der den Heilungsverlauf vorhersagen kann.ger
dc.description.versionpublishedVersion
dc.identifier.urihttps://oa.tib.eu/renate/handle/123456789/41407
dc.identifier.urihttps://doi.org/10.34657/40474
dc.language.isoger
dc.publisherHannover : Technische Informationsbibliothek
dc.relation.affiliationCOLDPLASMATECH GmbH
dc.relation.affiliationTechnische Universität Dresden
dc.rights.licenseCreative Commons Attribution-NonDerivs 3.0 Germany
dc.rights.urihttps://creativecommons.org/licenses/by-nd/3.0/de/
dc.subject.ddc000 | Informatik, Information und Wissen, allgemeine Werke
dc.subject.otherWundeger
dc.subject.otherBilderkennungger
dc.subject.otherKIger
dc.titleDATIpilot Modul 1 Innovationssprints: (KI)-gestützte Vorhersage von (W)undverläufen und deren (i)ndividuelle Kosten - KIWIger
dc.title.subtitleSachbericht zum Verwendungsnachweis
dc.typeReport
dcterms.extent12 Seiten
dtf.duration01.06.2024-30.11.2025
dtf.funding.funderBMFTR
dtf.funding.program03DPS1024A
dtf.funding.program03DPS1024B
dtf.funding.verbundnummer01265961
dtf.version1
tib.accessRightsopenAccess

Files

Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
DATIpilot_Sprint_oeffentlicherSachbericht_KIWI_CPT_final.pdf
Size:
348.84 KB
Format:
Adobe Portable Document Format
Description: