Neues Paradigma: Graph Neural Networks vereinheitlichen Deep Learning in der Medizin
Deep‑Learning‑Modelle haben in der medizinischen Bildgebung häufig Probleme, ihre Leistungsfähigkeit über verschiedene Domänen hinweg zu erhalten. Unterschiedliche Bildgebungsverfahren, Protokolle, Patientengruppen, Demografie und Geräte führen zu starken Verteilungsverschiebungen. In der Praxis muss jedes Krankenhaus oft eigene Modelle – mit unterschiedlichen Lernaufgaben, Breiten und Tiefen – trainieren, um den lokalen Daten gerecht zu werden. Während einige Einrichtungen klassische, euklidische Architekturen wie MLPs und CNNs einsetzen, benötigen andere nicht‑euklidische Strukturen wie Graph Neural Networks (GNNs) für unregelmäßige Daten wie Hirn‑Connectomes.
