Veranstaltungen

20. Mai

16:00

Online for now

Applying Data Science: Detecting heritable phenotypic traits in images

In der HPI-Forschungsgruppe Digital Health & Machine Learning werden Methoden für die statistische Analyse großer biomedizinischer Daten entwickelt. Insbesondere sind Forscherinnen und Forscher daran interessiert, vererbbare phänotypische Merkmale in medizinischen Bildern zu erkennen, da diese reichlich vorhanden sind und reichhaltige phänotypische Informationen enthalten.

Während große Bildgebungsdatensätze entweder aus der Routinediagnostik oder in großen Datenspeichern wie der UK Biobank verfügbar sind, stellt die Analyse von Bildgebungsdaten die Entwicklung statistischer Methoden vor neue Herausforderungen. Das überwachte Lernen mit tiefen neuronalen Netzen verspricht eine Automatisierung der Analyse und hat sich als besonders geeignet für die Analyse medizinischer Bilder erwiesen, erfordert jedoch große Mengen qualitativ hochwertiger Etiketten in Form von Segmentierungsmasken oder Krankheitsannotationen. Daher stellt die Handarbeit von biomedizinischen Experten einen Engpass bei der Analyse von Bilddaten dar.

In diesem Vortrag wird Christoph Lippert einen Überblick über einige unserer derzeitigen Bemühungen geben, die Experten-Etikettierung durch die Entwicklung intelligenter Schnittstellen, die durch tiefes Lernen verbessert werden, und durch den Einsatz von unüberwachten oder schwach überwachten Lernansätzen zu erweitern, um die Abhängigkeit von Etiketteninformationen bei der Zuordnung von Bildern zu genetischen Informationen zu verringern.

Am Vortrag teilnehmen >>

Nächste Vorlesung: Mittwoch, 6. Juni

download