Deep Anatomy

Die Analyse medizinischer Bilddaten, etwa computertomographischer oder magnetresonanztomographischer Aufnahmen, ist zentraler Bestandteil verschiedener diagnostischer und therapeutischer Verfahren. Beispiele sind die Tumorfrüherkennung, Operationsplanung, minimal-invasive Eingriffe und die Kontrolle des Therapieverlaufs. Die Entwicklung von Deep-Learning Algorithmen für spezifische Fragestellungen der medizinischen Bildverarbeitung und geeigneter Software-Anwendungen vermag es, Ärzt:innen in der Ausschöpfung des vollen Potentials moderner bildgebender Verfahren zu unterstützen und zum Nutzen der Patient:innen einzusetzen. Genau hier setzt DeepAnatomy an:

Nach einer intensiven Einarbeitung in generelle und medizinspezifische Deep Learning Methodiken und der von Fraunhofer MEVIS verwendeten Soft- und Hardwareressourcen in Form von Vorträgen sowie der Teilnahme an der Sartorius - Cell Instance Segmentation Challenge , haben wir uns für die Entwicklung von seedRedLeaf zum Erstellen und Verwalten von Deep-Learning Experimenten entschieden. Das Webinterface seedRedLeaf vereinfacht die Nutzung von RedLeaf, einer von Fraunhofer MEVIS entwickelten Python-Bibliothek für Deep Learning, und unterstützt Anwender:innen bei der Konfiguration von durch RedLeaf zur Verfügung gestellten Netzarchitekturen. Im Rahmen der Entwicklung von seedRedLeaf haben wir zudem umfangreiche Restrukturierungen an wesentlichen Modulen von RedLeaf vorgenommen.

Weitere Informationen zum Projekt findet Ihr auf unserer Website https://deepanatomy.de/