
Durch die Extraktion konsistenter Blickfixationen zwischen mehreren Beobachtern können aussagekräftige Pseudolabels für das Training von Convolutional Neural Networks zur Mitoseerkennung in Pathologiebildern generiert werden. Diese Blickbewegungslabels führen zu einer Modellleistung, die der von Expertenlabels nahekommt und deutlich besser ist als ein heuristikbasierter Ansatz.


coremsg

nutzung-von-blickbewegungskonsistenzen-zwischen-beobachtern-zur-unterstützung-des-ki-trainings-für-die-mitoseerkennung-in-der-pathologie


Nutzung von Blickbewegungskonsistenzen zwischen Beobachtern zur Unterstützung des KI-Trainings für die Mitoseerkennung in der Pathologie


title_rewrite


Hochmoderne modifizierte EfficientNet-Architekturen (V1-V2) erreichen sehr hohe Genauigkeiten bei der Erkennung und Klassifizierung von Brustkrebs aus Ultraschallbildern.


hochmoderne-implementierung-modifizierter-efficientnet-architekturen-v1-v2-zur-brustkrebserkennung-und-klassifizierung-aus-ultraschallbildern


Hochmoderne Implementierung modifizierter EfficientNet-Architekturen (V1-V2) zur Brustkrebserkennung und -klassifizierung aus Ultraschallbildern
