Context-aware deep learning for biomedical time series analysis

Terwijl artificiële intelligentie (AI) tegenwoordig alomtegenwoordig is, blijft de toepassing ervan in de gezondheidszorg beperkt. Om AI klinische beslissingen te laten ondersteunen, moeten de gegenereerde analyses accuraat, robuust en transparant zijn, zodat zorgverleners er met vertrouwen en zekerheid gebruik van kunnen maken. Dit proefschrift introduceert context in diepe neurale netwerken voor biomedische toepassingen. Het beschikbaar maken van contextuele informatie zorgt ervoor dat analyses beter onderbouwd én beter interpreteerbaar worden. Zo geeft een elektrocardiogram in combinatie met eerdere metingen een vollediger beeld dan het bekijken van een enkel signaal op zichzelf. Het onderzoek stelt verschillende nieuwe technieken voor om context te integreren en valideert deze over meerdere biomedische toepassingen. Het introduceren van context maakt de modellen accurater, betrouwbaarder en transparanter, waarmee dit werk bijdraagt aan het overbruggen van de kloof tussen AI-onderzoek en klinische adoptie.