Modulbeschreibung

Virtual Staining

Kurzzeichen:
M_VP_22801
ECTS-Credits:
15
Leitidee:

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.

Modulverantwortung:
Frick Klaus
Standort (angeboten):
Buchs
Zusätzliche Eingangskompetenzen:

Grundlagen der Mathametik aus BSc

Kenntnisse im Bereich Generative Adversarial Networks (GAN)

Modultyp:
Wahlpflicht-Modul für MSE Master of Science in Engineering BB STD_08 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering BB STD_13 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering BB STD_16 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering VZ STD_08 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering VZ STD_13 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering VZ STD_16 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für Technik und IT MSE_20(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Modulbewertung:
Note von 1 - 6

Leistungsnachweise und deren Gewichtung

Während der Unterrichtsphase:

Im Kurs "Virtual Staining“ wird ein Projekt mittels Bericht und Fachgespräch bewertet. Im Kurs "Advanced Image Processing“ wird eine mündliche Prüfung bewertet.

Bewertungsart:
Note von 1 - 6
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:

Inhalte

Angestrebte Lernergebnisse (Abschlusskompetenzen):

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.

Modul- und Lerninhalt:

  • Image processing

  • Entfernung von Vignettierung (Basic Algorithm)

  • GAN Architekturen

  • Data Augmentation