Markov Random Field fuer Bildsegmentierung in der Histopathologie
Übersicht
Worum es bei diesem Projekt geht.
Du erhaeltst 200 annotierte Patches (jeweils 1024x1024 Pixel) aus anonymisierten Schnittpraeparaten. Trainiere zuerst einen einfachen Pixel-Klassifikator (Random Forest auf Farb- und Texturfeatures) als Unary-Term. Definiere dann das MRF: Knoten = Pixel (oder Superpixel ueber SLIC), Kanten = 4-Nachbarschaft, Pairwise-Term bestraft Labelwechsel gewichtet mit Farbaehnlichkeit. Vergleiche Loopy Belief Propagation und Graph Cuts (alpha-expansion) hinsichtlich Dice-Score und Laufzeit. Liefere eine Inferenz-Funktion, die ein neues Patch in unter 5 Sekunden segmentiert, plus eine Vorher-Nachher-Galerie.
Das Briefing
Was Du tust und was Du zeigst.
Glaette eine verrauschte Pixel-Klassifikation auf histopathologischen Schnitten mit einem Markov Random Field und vergleiche Loopy Belief Propagation gegen Graph Cuts.
Earning criteria — what you'll demonstrate
- Markov Random Fields ueber Bildgittern definieren und parametrisieren
- Loopy Belief Propagation und Graph Cuts auf einem realen Problem implementieren bzw. einsetzen
- Den Trade-off zwischen Inferenzqualitaet und Laufzeit empirisch quantifizieren
- Probabilistische Segmentierungsmethoden gegenueber Aerztinnen verstaendlich begruenden
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenML Researcher
Klassische probabilistische Methoden (MRFs) auf einem realen medizinischen Bildproblem zu vergleichen und gegen deep-learning-Baselines argumentativ zu positionieren ist genau die Arbeit eines ML Researchers in einer Medizin-Ausgruendung.
Dieses Projekt schärft
- markov-random-fields
- belief-propagation
- graph-cuts
Computer Vision Engineer
MRF-basierte Glaettung als Nachbearbeitungsschritt einer Klassifikator-Pipeline auszuliefern ist eine sehr typische Tagesarbeit fuer CV Engineers in Medizin- und Geo-Bildauswertung.
Dieses Projekt schärft
- image-segmentation
- model-evaluation
- graph-cuts
Applied AI Scientist
Probabilistische Inferenzmethoden gegen Laufzeit-Constraints zu kalibrieren und fuer Domaenenexpertinnen aufzuschreiben ist Kern angewandter Forschungsarbeit.
Dieses Projekt schärft
- markov-random-fields
- belief-propagation
- image-segmentation
Noch eine Sache