Best Student Paper Award für Vanessa Borst et al. im Rahmen des ADS-Tracks der ECML PKDD 2025
18.09.2025Die Arbeit „WoundAmbit: Bridging State-of-the-Art Semantic Segmentation and Real-World Wound Care” von V. Borst, T. Dittus, T. Dege, A. Schmieder und S. Kounev wurde beim ADS Track der ECML PKDD 2025 mit dem Best Student Paper Award ausgezeichnet.
Vanessa Borst, Timo Dittus, Tassilo Dege, Astrid Schmieder und Samuel Kounev gewannen den Best Student Paper Award im Bereich Angewandte Datenwissenschaft (ADS) der ECML PKDD 2025.
Zusammenfassung
Chronische Wunden betreffen Millionen von Patienten weltweit, insbesondere ältere Menschen und Diabetiker. Mit WoundAmbit präsentieren die Autoren eine Ende-zu-Ende-Lösung für die automatisierte Schätzung der Wundgröße anhand von RGB-Bildern, die die Lücke zwischen modernem Deep Learning und praktischer Wundversorgung schließt. In einem umfassenden Benchmark bewerteten sie modernste Deep-Learning-Modelle für die Wundsegmentierung sowohl anhand öffentlicher Datensätze als auch anhand realer klinischer Bilder. Über die Segmentierungsqualität hinaus untersuchten sie die Generalisierbarkeit, Effizienz und Interpretierbarkeit und schlugen einen neuartigen Referenzobjektansatz für die klinisch relevante Wundgrößenabschätzung vor. Die Ergebnisse unterstreichen das Potenzial moderner Bildverarbeitungsarchitekturen für die Weiterentwicklung von Telemedizinlösungen für die Fernüberwachung von Wunden.
Links
Weitere Infos
- Pressemitteilung: UKW
- Über die ECML PKDD 2025: https://ecmlpkdd.org/2025/
Weitere Bilder
