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 unabh?ngigen Experten sehr positiv bewertet und zur Pr?sentation bei der IEEE ISBI 2024 in Athen angenommen. Das International Symposium for Biomedical Imaging (ISBI) ist eine international führende, j?hrlich stattfinde Forschungskonferenz im Bereich der Medizinischen Bildverarbeitung.

Wir freuen uns über diese gro?artige Teamleistung von Sebastian D?rrich, Tobias Archut und Francesco Di Salvo. Besonders hervorzuheben ist hierbei, dass Tobias Archut durch eine herausragende Bachelorarbeit (Betreuer: Sebastian D?rrich) ma?geblich zu dieser Arbeit beigetragen hat.

?berblick:

Traditionelle Deep-Learning-Modelle kodieren Wissen in ihren Parametern, was die Transparenz und Anpassungsf?higkeit an Daten?nderungen einschr?nkt. Dies stellt eine Herausforderung dar, wenn es um den Schutz der Nutzerdaten geht. Um diese Einschr?nkung zu überwinden, schlagen wir vor, die Einbettungen der Trainingsdaten unabh?ngig von den Modellgewichten zu speichern. Unser Ansatz integriert den k-N?chste-Nachbarn-Klassifikator (k-NN) mit einem bildbasierten Basismodell, das zuvor auf natürlichen Bildern selbstüberwacht trainiert wurde, und verbessert so die Interpretierbarkeit und Anpassungsf?higkeit bei gleichzeitiger Berücksichtigung von Datenschutzbedenken.

Hauptmerkmale:

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