60 https://www.uni-bremen.de/techmath/forschung/deep-learning-und-digitale-pathologie Beschreibung des Team Deep Learning und Digitale Pathologie de Universität Bremen Sat, 14 Mar 2026 14:22:53 +0100 Sat, 14 Mar 2026 14:22:53 +0100 Universität Bremen content-351985 Thu, 05 Mar 2026 09:46:29 +0100 https://www.uni-bremen.de/techmath/forschung/deep-learning-und-digitale-pathologie#c351985 <ul> <li>Semantische Segmentierung</li> <li>Interpretierbarkeit/Erklärbarkeit von Unet-ähnlichen neuronalen Netzen</li> <li>Stain-Normalisierung mit GANs</li> <li>Normalizing-Flows und invertierbare UNet für die Erzeugung synthetischer Daten</li> <li>Training mit schwachen Etiketten + Differentialdiagnose</li> </ul> Content content-315363 Thu, 05 Mar 2026 09:46:29 +0100 https://www.uni-bremen.de/techmath/forschung/deep-learning-und-digitale-pathologie#c315363 <p>Das Digipath-Team entwickelt außerdem einen "<a class="externalLink" href="https://digipath-viewer.math.uni-bremen.de/" target="_blank" title="Öffnet externen Link in neuem Fenster">DigiPath Viewer</a>", eine Web-Anwendung, mit der digitale Mikroskopiebilder annotiert und die Ergebnisse der Modelle angezeigt werden können. Der "DigiPath Viewer" ermöglicht die Visualisierung der Deep Learning Ergebnisse und wird die Arbeit der Patholog*innen vereinfachen. Einige der Hauptmerkmale sind:</p> <ul> <li>Integration mit Stylus-Stift für natürliche und präzise Annotationen.</li> <li>Ein halbautomatisches Annotationswerkzeug, das den Annotationsprozess beschleunigt. Das Annotationspolygon kann durch Ziehen/Löschen von Punkten einfach angepasst werden.</li> <li>Visualisierung von automatischen Tumorvorhersagen der künstlichen Intelligenz als Overlay auf den Originalbildern. Die Transparenz des Overlays sowie der Schwellenwert zur Unterscheidung zwischen Tumor- und Normalgewebe können einfach angepasst werden.</li> </ul> Content