Projekte

a

HighLine: Hohe Bildqualität für Linien in MRI: von Pflanzenwurzeln zu Angiogrammen

Das Projekt HighLine hat das Ziel, 3D-Magnetresonanzbilder (MR), die linienartige Strukturen wie Pflanzenwurzeln oder Gefäße zeigen, mit modernen Deep-Learning-Methoden zu verbessern.

Mehr

a

EMSIG - Ereignisgesteuerte MikroSkopie für die Intelligente mikrofluidische sinGle-Zell-Analyse

Das EMSIG-Projekt zielt darauf ab, unüberwachte Ereignisdetektion (ED) in die mikrofluidische Lebendzellanalyse einzubringen, die in der Lage ist, vordefinierte Ereignisauslöser aus Lebendzellmikroskopiedaten zu erkennen, diese Auslöser in Ereignistypen zu klassifizieren und die Ergebnisse mit einer computerisierten Steuerung der mikroskopischen Bildgebungskomponenten zu verbinden.

Mehr

a

SATOMI - Bewältigung der Herausforderungen bei der Segmentierung und Nachverfolgung von wachsenden Kolonien und mikrobieller Vielfalt

Die SATOMI-Plattform wurde entwickelt, um das Spektrum der Anwendungsfälle zu erweitern und die Time-to-Insight im Bereich der mikrobiellen Einzelzellanalyse zu beschleunigen.

Mehr

a

FluoMap: Erstellen von globalen Fluoreszenzkarten aus Satellitendaten mit ML

FluoMap verfolgt das Ziel, mit modernsten KI-Methoden Fluoreszenzsignale aus den Messdaten der satelliten- oder flugzeuggestützten bildgebenden Spektrometer DESIS und HyPlant zu extrahieren. Dadurch wird es möglich, globale Fluoreszenzkarten zu erstellen, die eine Schlüsselrolle bei der weltweiten Überwachung des Gesundheitszustands der Vegetation spielen werden.

Mehr

a

HDS-LEE: Helmholtz School for Data Science

Innerhalb der Helmholtz School for Data Science in Life, Earth and Energy (HDS-LEE) ist das IAS-8 über ein PhD-Projekt zu Transfer-Learning-Methoden für Computational Medicine beteiligt.

Mehr

Letzte Änderung: 10.09.2024