Paper auf internationaler Forschungskonferenz akzeptiert (IEEE ISBI 2024, Athen), 13.03.2024

Unsere Forschungsarbeit „Integrating kNN with Foundation Models for Adaptable and Privacy-Aware Image Classification“ wurde von unabhängigen Experten sehr positiv bewertet und zur Präsentation bei der IEEE ISBI 2024 in Athen angenommen. Das International Symposium for Biomedical Imaging (ISBI) ist eine international führende, jährlich stattfinde Forschungskonferenz im Bereich der Medizinischen Bildverarbeitung.

Wir freuen uns über diese großartige Teamleistung von Sebastian Dörrich, Tobias Archut und Francesco Di Salvo. Besonders hervorzuheben ist hierbei, dass Tobias Archut durch eine herausragende Bachelorarbeit (Betreuer: Sebastian Dörrich) maßgeblich zu dieser Arbeit beigetragen hat.

Überblick:

Traditionelle Deep-Learning-Modelle kodieren Wissen in ihren Parametern, was die Transparenz und Anpassungsfähigkeit an Datenänderungen einschränkt. Dies stellt eine Herausforderung dar, wenn es um den Schutz der Nutzerdaten geht. Um diese Einschränkung zu überwinden, schlagen wir vor, die Einbettungen der Trainingsdaten unabhängig von den Modellgewichten zu speichern. Unser Ansatz integriert den k-Nächste-Nachbarn-Klassifikator (k-NN) mit einem bildbasierten Basismodell, das zuvor auf natürlichen Bildern selbstüberwacht trainiert wurde, und verbessert so die Interpretierbarkeit und Anpassungsfähigkeit bei gleichzeitiger Berücksichtigung von Datenschutzbedenken.

Hauptmerkmale:

• Integration des k-NN-Klassifikators mit aktuellen bildverarbeitungsbasierten Grundmodellen
• Flexibles Datenspeichersystem für dynamische Datenänderungen ohne erneutes Training
• Gründliche Bewertung anhand etablierter Benchmarks und Aufgaben, einschließlich kontinuierlichem Lernen und Datenentfernungsszenarien