Summer School 2019

MASCHINELLES LERNEN IN DER MEDIZINISCHEN BILDVERARBEITUNG

Summer School 2019

Maschinelles Lernen zielt darauf ab, nützliche Informationen aus Daten zu extrahieren, indem Muster und Regeln in den Daten erkannt und verallgemeinert werden. Die medizinische Bildverarbeitung ist eines der Anwendungsfelder, das durch die Weiterentwicklungen des Maschinellen Lernens in den letzten Jahren stark beeinflusst wird. Die Fraunhofer-Institute MEVIS, ITWM, IAIS und das Forschungszentrum Maschinelles Lernen im Cluster Cognitive Internet Technologies (CCIT) bieten Studierenden die Möglichkeit, sowohl das Thema Deep Learning als auch das Anwendungsfeld der medizinischen Bildverarbeitung anhand von Vorträgen und praktischen Übungen kennen zu lernen.

Eure Vorteile

  • Kreative Zusammenarbeit mit Fraunhofer-Wissenschafter*innenI Networking
  • Neueste forschungsnahe Fachinhalte aus dem Bereich Machine Learning
  • Teilnahmebescheinigung im Anschluss

Datenschutz und Datenverarbeitung

Wir setzen zum Einbinden von Videos den Anbieter YouTube ein. Wie die meisten Websites verwendet YouTube Cookies, um Informationen über die Besucher ihrer Internetseite zu sammeln. Wenn Sie das Video starten, könnte dies Datenverarbeitungsvorgänge auslösen. Darauf haben wir keinen Einfluss. Weitere Informationen über Datenschutz bei YouTube finden Sie in deren Datenschutzerklärung unter: http://www.youtube.com/t/privacy_at_youtube
  • Radiomics, auch »Feature Engineering« genannt, bezeichnet Ansätze, in denen Experten die charakteristischen Bildmerkmale (Kanten, Texturen, …) für eine Aufgabe, wie zum Beispiel die Klassifikation von Auffälligkeiten in medizinischen Bildern, programmieren. Typische Probleme sind die adäquate Programmierung und Auswahl sinnvoller Merkmale (feature selection). Ein Vorteil ist der direkte Bezug der Merkmale zum Bild.

  • Setzt man Deep-Learning-Methoden ein, ist das gelernte Modell durch abermillionen Parameter repräsentiert. Diese können nicht durch simple Visualisierung verständlich gemacht werden. Besonders im Bereich der medizinischen Anwendung wird die Frage daher immer wichtiger, wie wenigstens die Entscheidung eines Deep-Learning-Modells verstehbar gemacht werden kann: Warum diese Entscheidung? Wie sicher ist die Entscheidung?

  • Deep Learning, auch »Feature Learning« genannt, ist eine Methode, bei der der Computer selbständig die Bildmerkmale identifiziert. Dabei ist man auf ausreichend große Datensätze angewiesen, erreicht dadurch aber eine unübertroffene Leistungsfähigkeit.

So läuft die Bewerbung ab:

  • Melde Dich bitte bis Ende Juli über das Online-Bewerbungsformular an.
  • Schicke uns bitte zusätzlich Deinen Lebenslauf an datascientist@iais.fraunhofer.de und schreibe uns kurz, warum Du an der Summer School teilnehmen möchtest. Bewerbungsschluss ist am 31. Juli 2019. Ein Fachgremium wählt anschließend aus den Bewerbungen 15 Teilnehmende aus. Du wirst bis zum 8. August informiert, ob Du dabei bist.

Schulungsrahmen

Teilnahmevoraussetzung:

  • Spaß an Mathematik, Linearer Algebra und Statistik
  • Interesse an medizinischen Themen sollte vorhanden sein, medizinisches Wissen wird aber nicht vorausgesetzt
  • Programmiererfahrung in Python, idealerweise Erfahrung mit Jupyter Notebooks
  • Machine-Learning-Vorkenntnisse sind von Vorteil
  • Als Student*in eingeschrieben
  • Der Kurs richtet sich an Studierende im Bachelor und Master

Achtung: Bitte bringt einen eigenen Laptop mit, sofern vorhanden.
Die Praxisübungen werden auf Cluster-Rechnern stattfinden, die über ein Web-Frontend erreichbar sind.


Teilnehmerzahl: auf 15 Plätze begrenzt
Termin: 23.–27. September 2019
Ort: Fraunhofer-Institutszentrum Schloss Birlinghoven, 53757 Sankt Augustin