Tiefe Netze: von Maschinen lernen
Während der Operation eines Patienten berechnen sogenannte invertierbare neuronale Netze den Sauerstoffgehalt des Blutes in Geweben und Gefäßen. Dabei erkennen diese Netze automatisch Bildbereiche, die von Instrumenten oder Tüchern verdeckt sind, als „kein Gewebe“ und ignorieren sie. Ein Beispiel...
Saved in:
| Main Author: | |
|---|---|
| Format: | Article (Journal) |
| Language: | German |
| Published: |
2020-07-22
|
| In: |
Ruperto Carola
Year: 2020, Volume: 16, Pages: 76-85 |
| DOI: | 10.17885/heiup.ruca.2020.16.24192 |
| Online Access: | Verlag, Volltext: https://dx.doi.org/10.17885/heiup.ruca.2020.16.24192 Verlag, Volltext: https://heiup.uni-heidelberg.de/journals/index.php/rupertocarola/article/view/24192 
|
| Author Notes: | Ullrich Köthe |
| Summary: | Während der Operation eines Patienten berechnen sogenannte invertierbare neuronale Netze den Sauerstoffgehalt des Blutes in Geweben und Gefäßen. Dabei erkennen diese Netze automatisch Bildbereiche, die von Instrumenten oder Tüchern verdeckt sind, als „kein Gewebe“ und ignorieren sie. Ein Beispiel für eine medizinische Anwendung, die Forschungsergebnisse der Arbeitsgruppe „Explainable Machine Learning“ am Interdisziplinären Zentrum für Wissenschaftliches Rechnen der Universität Heidelberg nutzt. Das maschinelle Lernen bildet gemeinsam mit der logikbasierten KI und der Mustererkennung die drei grundlegenden Ansätze auf dem Gebiet der Künstlichen Intelligenz (KI). Die Anwendungsgebiete der KI reichen vom Sieg eines Computers über die weltbesten menschlichen Go-Spieler bis zu Bildsegmentierung, Fluoreszenzmikroskopie oder Diagnostik in der Krebsmedizin oder der Augenheilkunde. |
|---|---|
| Item Description: | Gesehen am 10.08.2020 |
| Physical Description: | Online Resource |
| DOI: | 10.17885/heiup.ruca.2020.16.24192 |