Promotie R. (Richard) Bortsov

Proefschrift in het kort:

In dit proefschrift richt ik mij op twee problemen.

Het eerste probleem is het verbeteren van de nauwkeurigheid van deep learning-methodes getraind op grote en kleine datasets (deel I van dit proefschrift).

In hoofdstuk 2 (deel I) ontwikkel ik een algoritme voor het automatisch detecteren en meten van intracraniële calcificaties in computed tomography (CT) van het hoofd. In hoofdstuk 3 (deel I) ontwikkel ik een algoritme voor de automatische bepaling van de ernst van emfyseem, een chronische longaandoening (chronic obstructive pulmonary disease, COPD), op basis van CT-scans van de borstkas. In hoofdstuk 4 (deel I) ontwikkel ik een nieuw algoritme voor semi-supervised learning, dat kan leren van beelden met en zonder labels.

Het tweede probleem betreft de vraag naar de kwetsbaarheid van machine learning-algoritmes voor adversarial examples—kleine, gerichte wijzigingen in een afbeelding die geheel andere, onjuiste voorspelling kunnen opleveren (deel II). In hoofdstuk 5 (deel II) bestuderen we de belangrijkste factoren voor de effectiviteit van adversarial attacks in systemen voor medische beeldanalyse. In hoofdstuk 6 (deel II) bestudeer ik zogeheten targeted adversarial attacks: gerichte aanvallen met het doel om het algoritme een specifieke incorrecte output laten genereren.