University of Heidelberg
BIOQUANT

11/10/2014 Excellent result at Particle Tracking Challenge, Nature Methods 2014

The Biomedical Computer Vision (BMCV) group successfully participated in an international...


11/06/2014 William J. Godinez received the Thomas Gessmann PhD Prize 2014

The Thomas Gessmann PhD Prize is awarded for outstanding dissertations in technical fields and is...


08/27/2014 Bitplane ISBI/IEEE Attendance Award, 2nd Cell Tracking Challenge, ISBI 2014

Nathalie Harder received a Bitplane ISBI/IEEE Attendance Award at the 2nd Cell Tracking Challenge...


04/20/2013 Excellent result at 1st Cell Tracking Challenge, ISBI 2013

The Biomedical Computer Vision (BMCV) group successfully participated in the 1st Cell Tracking...


03/12/2013 Prize for the best scientific paper at BVM 2013

Simon Eck, Stefan Wörz, Andreas Biesdorf, Katharina Müller-Ott, Karsten Rippe, and Karl Rohr were...


Displaying results 6 to 10 out of 14

< Previous

1

2

3

Next >

Sommersemester 2024

Fortgeschrittenenpraktikum "Deep Learning für Biomedizinische Bildanalyse"

Gebiet:

  Maschinelles Lernen, Biomedizinische Bildanalyse

Umfang:

  6 SWS, 8 CP

Termin:

  Dienstag, 15:00-18:00 Uhr, wöchentlich (oder nach Vereinbarung)

Dauer:

  16.4. – 23.7.2024 (oder nach Vereinbarung)

Ort:

  INF 267 (BioQuant), SR44 oder Online

Dozent:

  PD Dr. Karl Rohr

Sprache:

  Englisch oder Deutsch

 

Inhalt:
Die Studierenden arbeiten an ausgewählten fortgeschrittenen Themen der Biomedizinischen Bildanalyse. Der Schwerpunkt liegt auf Deep Learning Methoden zur automatischen Analyse von biologischen Mikroskopiebildern und medizinischen tomographischen Bildern. Beispiele für Themen  sind die Segmentierung und Verfolgung (Tracking) von Zellen in Mikroskopiebildern, die Segmentierung von Blutgefäßen in tomographischen Bildern sowie die Registrierung von multimodalen Bildern des menschlichen Gehirns. Die Arbeiten umfassen: Einarbeitung in die relevante Literatur, Erarbeitung der theoretischen Grundlagen, Spezifikation eines Softwaresystems, Entwurf und Implementierung von Algorithmen für automatische Bildanalyse, Test und Evaluierung der Verfahren, Vortragspräsentation der Methoden und Ergebnisse.

 

Voraussetzungen: Grundkenntnisse im Gebiet Bildanalyse (Computer Vision, Image Analysis) oder Maschinelles Lernen (Machine Learning, Pattern Recognition)

Zielgruppe: Studierende der Informatik (MSc Informatik)

Erster Termin: Dienstag, 16.4.2024, 15:00 s.t. (oder nach Vereinbarung)  

Art der Veranstaltung: Fortgeschrittenenpraktikum (IFP)

Anforderungen: Modulhandbuch

Kontakt: PD Dr. Karl Rohr (k.rohr{at}dkfz.de, k.rohr{at}uni-heidelberg.de)

 

 

Contact: E-Mail (Last update: 18/03/2024)