Forschungsschwerpunkt Nr. (3): Künstliche Intelligenz für eine präzisere Interpretation radiografischer Bilder

Forschende der Universität Beni-Suef haben eine Studie im Bereich der präzisen medizinischen Diagnostik veröffentlicht. Anfang 2025 erschien die Studie mit dem Titel „Erkennung der Ulnavarianz in Röntgenbildern mittels Deep Learning“. Die Studie befasste sich mit einem spezifischen medizinischen Problem: dem Längenunterschied zwischen Elle und Speiche am Handgelenk, einem Schlüsselfaktor bei der Diagnose von Hand- und Handgelenkserkrankungen. Herkömmliche Methoden zur Messung dieser Varianz basieren auf manuellen Messungen, die zeitaufwändig und fehleranfällig sind.

Das Forschungsteam präsentierte eine innovative Lösung mithilfe künstlicher Intelligenz. Sie nutzten U-Net-Techniken zur präzisen Segmentierung von Elle und Speiche und anschließend DenseNets zur Klassifizierung der Fälle in drei Hauptkategorien: positive Ulnavarianz, negative Ulnavarianz und neutrale Varianz.

Die Besonderheit dieser Studie liegt darin, dass sie nicht ausschließlich auf bestehenden Algorithmen basiert; Das Team erstellte eine neue Datenbank mit sorgfältig dokumentierten Handröntgenbildern als wissenschaftliche Referenz für das zukünftige Modelltraining. Zudem optimierten sie die Modellkonfigurationen, um die höchstmögliche Leistung zu erzielen.

Die Ergebnisse waren bemerkenswert: 97,7 % Genauigkeit bei der Knochensegmentierung anhand von Röntgenbildern und 92,1 % Genauigkeit bei der Varianzklassifizierung. Diese Ergebnisse übertreffen frühere Studien und zeigen, dass künstliche Intelligenz die Diagnosezeit deutlich verkürzen und gleichzeitig die Zuverlässigkeit der Ergebnisse verbessern kann.

Autoren der Studie:
Prof. Mohamed Sayed Qaied – Professor für Informatik und Dekan der Fakultät für Informatik und Künstliche Intelligenz, Universität Beni-Suef
Dr. Abdelrahim Qoura – Professor Emeritus, Fachbereich Informatik, Fakultät für Informatik und Künstliche Intelligenz, Universität Beni-Suef
Ing. Sahar Hassan Noah – Wissenschaftliche Mitarbeiterin, Fachbereich Informatik, Fakultät für Informatik und Künstliche Intelligenz, Universität Beni-Suef

Publikationsdetails:
Die Studie wurde im „Journal of Big Data“ (Springer Nature), Band 12, Artikelnummer 26-2025, veröffentlicht. Die Zeitschrift zählt zu den besten 2 % der Fachzeitschriften im Bereich Informatik, ist im Clarivate Expanded Index und in Scopus indexiert und hat einen aktuellen Impact-Faktor von 6,4.

Link zur Studie:

[https://doi.org/10.1186/s40537-025-01072-2](https://doi.org/10.1186/s40537-025-01072-2)

Kurzfassung:
Forschende der Universität Beni-Suef nutzten KI zur Verbesserung der Diagnose von Handgelenkserkrankungen. Ihr Modell segmentierte die Handgelenksknochen mit einer Genauigkeit von 97,7 % und klassifizierte die Varianz mit 92,1 %. Sie erstellten einen neuen annotierten Datensatz zum Trainieren und Validieren von Deep-Learning-Modellen. Veröffentlicht 2025 im Journal of Big Data (Springer Nature, Band 12, Artikel 26, Top 2 %, Impact Factor 6,4, Scopus, Clarivate).