Pattern Recognition – Prostate cancer segmentation (Praktische Übung im Labor)

Praktikum "Pattern Recognition – Prostate cancer segmentation" am ISS

Dieses Praktikum ist in Englisch

Allgemeines
Das Institut für Signalverarbeitung und Systemtheorie (ISS) bietet ein anspruchsvolles PÜL, das sich mit zwei aktuellen Mustererkennungsproblemen befasst. Eine aus dem Bereich der medizinischen Signalverarbeitung und die zweite aus dem Bereich der Sprechererkennung. Das PÜL soll das in der Vorlesung "Erkennung und Mustererkennung" gewonnene Wissen vertiefen. Daher ist es erforderlich, dass jeder Teilnehmer an dieser oder einer ähnlichen Vorlesung teilnahm, um einen ausreichenden theoretischen Hintergrund zu haben.


Aufgabe 1
Wie unten gezeigt, ist die Prostata eine Drüse im männlichen Fortpflanzungssystem, die häufig Krebs entwickelt. Tatsächlich ist Prostatakrebs der am häufigsten diagnostizierte Krebstyp bei Männern und eine der häufigsten Ursachen für Krebstod bei Männern in den USA.

Nicht-invasive medizinische Bildgebungsverfahren wie Magnetresonanztomographie (MRI) und Positronenemissionstomographie (PET) können verwendet werden, um das Krebsgewebe zu lokalisieren. Fünf Beispiele für Bilder, die mit diesen beiden Methoden erstellt wurden, sind unten gezeigt. Die Prostata des Patienten ist vom blauen Kreis umgeben, während das Krebsgewebe vom roten Kreis umgeben ist. Bisher wird die Klassifizierung manuell durch Experten durchgeführt, was ein zeitaufwendiger und teurer Prozess ist.

 

Die Teilnehmer dieses PÜL werden in Zweierteams zusammenarbeiten, um eine Mustererkennungssoftware zur automatischen pixelweisen Klassifizierung von Prostatagewebe zu entwickeln und gesundes Prostatagewebe von Krebsgewebe zu trennen.

Aufgabe 2
Die automatische Erkennung von Lautsprechern in Audiosignalen kann in vielen Situationen nützlich sein. Die Sprechererkennung wird verwendet, um Metadaten zu Audiositzungsdatensätzen für die automatisierte Speicherung hinzuzufügen, die Servicequalität und Kundenzufriedenheit bei Telefonhotlines zu verbessern oder die Sicherheit bei Telefonbanking-Anwendungen zu verbessern. In dieser PÜL soll das Sprechererkennungsproblem am Beispiel der Erkennung von Lautsprechern in kurzen Audio-Samples untersucht werden.

 

Bildungsziel
Dieses PÜL ist eine ausgezeichnete Gelegenheit, einen Einblick in das faszinierende Gebiet der medizinischen Bildgebung zu erhalten und Ihr akademisches Wissen über Methoden der Mustererkennung zu erweitern. Die wichtigsten Bildungsziele dieses PÜL sind Themen, die in der DPR-Vorlesung nicht unterrichtet werden, aber für die praktische Anwendung immer noch wichtig sind:

    Anwendung von Trainingsmethoden zur Ermittlung der besten Parameter
    Auswahl eines Klassifizierers, der für das gegebene Problem gut geeignet ist
    Funktionsauswahl zum Auffinden von Teilmengen sinnvoller Funktionen
    Methoden zur Normalisierung von Merkmalen
    Die Implementierung von einfachen Klassifizierern
    Umgang mit fehlerhaften Trainingsdaten (Ausreißererkennung / Entfernung)


Umfang
Das PÜL zählt 6 ECTS-Punkte (180 Arbeitsstunden) und findet jedes Wintersemester statt. Die Einschreibung erfolgt in der ersten Vorlesungswoche. Die Informationsveranstaltung und das erste Treffen finden in der zweiten Woche statt. Von da an wird ein wöchentliches obligatorisches Meeting angeboten, bis zur letzten Woche der Leture-Periode, in der ein kurzer schriftlicher Bericht vorzulegen ist und jede Gruppe ihre Ergebnisse in einer kurzen Präsentation präsentieren muss. Neben dem wöchentlichen obligatorischen Meeting kann das Softwarelabor während der regulären Arbeitszeit genutzt werden.
 

Termine, Anmeldung

Bitte verwenden Sie ILIAS, um weitere Informationen zu den Terminen und zur Registrierung zu erhalten (Sie müssen bei ILIAS angemeldet sein).

Kontakt

M.Sc. Lukas Mauch

Zum Seitenanfang