Die Analyse biomedizinischer Bilddaten durch Experten, z. B. in der Zellmikroskopie, ist personal- und kostenintensiv sowie anfällig für anwendungsspezifische Fehler. Deep Learning (DL) ermöglicht zwar Hardware-unabhängig automatisierte und objektive Bildauswertungen, wird aber bisher aufgrund des hohen Aufwands für Auswahl und Konfiguration der DL-Modelle nicht eingesetzt. Projektziel war ein Software-Tool zur automatisierten Vorverarbeitung der Daten, Algorithmusauswahl und Konfiguration von DL-Modellen. Dazu dienten Entscheidungslogiken, Hyperparameteroptimierung, DL-Bibliotheken und Vortraining neuronaler Netze.
IGF-Projekt: 21361 N
Laufzeit: 01.09.2020 - 31.08.2022
Beteiligte Forschungseinrichtung
Eingebundene Unternehmen
(Projektbegleitender Ausschuss, "PA")
Von diesen Unternehmen beteiligten sich die Unternehmen ALS Automated Lab Solutions GmbH, Bayer AG, MABRI.VISION GmbH, PicoQuant GmbH und Taorad GmbH an der Deckung der auf freiwilliger Basis durch die Wirtschaft zu tragenden Administrationskosten. Die F.O.M. bedankt sich im Namen der begleitenden Branchen.
BMWK-Förderung
Deckung der Administrationskosten
Vorhabensbeschreibung
Abschließende Ergebnisse
Weitere Informationen für eingebundene PA-Unternehmen
Als F.O.M.-Mitglied können Sie über eine formlose E-Mail das entsprechende "Ergebnis-Paket AIxCell" abonnieren.