Modulbeschreibung
Virtual Staining
Kürzel:
Durchführungszeitraum:
ECTS-Punkte:
Lernziele:
Die Studierenden
-
können die Bildvorverarbeitung für die Anwendung Generative Adversarial Networks optimieren.
-
können Robuste GANs zum virtuellen Staining von Gewebeschnitte trainieren.
-
können Data augmentation Algorithmen für virtual staining Applikationen optimieren.
-
können die Qualität von virtual stains quantifizieren und somit optimale Vorverarbeitungsketten auswählen.
Verantwortliche Person:
Standort (angeboten):
Zusätzlich vorausgesetzte Kenntnisse:
Grundlagen der Mathametik aus BSc
Kenntnisse im Bereich Generative Adversarial Networks (GAN)
Modultyp:
ECTS-Punkte pro Kategorie
Modulbewertung
Bewertungsart:
Leistungsbewertung
Während des Semesters:
Im Kurs "Virtual Staining“ wird ein Projekt mittels Bericht und Fachgespräch bewertet. Im Kurs "Advanced Image Processing“ wird eine mündliche Prüfung bewertet.
Bewertungsart:
Gewichtung:
Im Kurs "Virtual Staining“ wird ein Projekt mittels Bericht (Gewicht 40%) und Fachgespräch (Gewicht 40%) bewertet. Im Kurs "Advanced Image Processing“ wird eine mündliche Prüfung (Gewicht 20%) bewertet.
Bemerkungen:
Kurse in diesem Modul
Virtual Staining
Kürzel:
Arbeitsaufwand:
Semester:
Lernziele:
Die Studierenden
-
können die Bildvorverarbeitung für die Anwendung Generative Adversarial Networks optimieren.
-
können Robuste GANs zum virtuellen Staining von Gewebeschnitte trainieren.
-
können Data augmentation Algorithmen für virtual staining Applikationen optimieren.
-
können die Qualität von virtual stains quantifizieren und somit optimale Vorverarbeitungsketten auswählen.
Plan und Lerninhalt:
-
Image processing
-
Entfernung von Vignettierung (Basic Algorithm)
-
GAN Architekturen
-
Data Augmentation
Kursart:
Durchführung gemäss Stundenplan
Advanced Image Processing
Kürzel:
Arbeitsaufwand:
Semester:
Lernziele:
Die Studierenden
- kennen die wichtigsten Algorithmen zur Entfernung von Vignettierungseffekten in Bildern.
- können Algorithmen zur Intensitätskorrektur von Bildern für eine gegebene Situation entwerfen und implementieren.
Plan und Lerninhalt:
- Bildverarbeitung
- CNN
- Basic Algorithmus
Kursart:
Durchführung gemäss Stundenplan