idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
Science Video Project
idw-Abo

idw-News App:

AppStore

Google Play Store



Instance:
Share on: 
11/13/2018 08:15

Erster Platz für OTH Regensburg im Bereich Maschinelles Lernen bei spanischer Konferenz

Dipl. Journalistin, MBA Diana Feuerer Hochschulkommunikation und Öffentlichkeitsarbeit
Ostbayerische Technische Hochschule Regensburg

    Bei einer der weltweit größten Konferenzen für medizinische Bildverarbeitung, der MICCAI in Spanien, haben Prof. Dr. Christoph Palm und zwei seiner wissenschaftlichen Mitarbeiter vom Labor Regensburg Medical Image Computing der OTH Regensburg einen ersten Platz im Bereich Maschinelles Lernen geschafft. Sie gewannen im Wettbewerb „Endoscopic Vision Challenge“ in der Kategorie „Robotic Scene Segmentation“. Hierbei setzten sie sich gegen 17 Konkurrenten – darunter Vertreter international renommierter Einrichtungen wie der Johns Hopkins University oder des University College London durch.

    Bei einer der weltweit größten Konferenzen für medizinische Bildverarbeitung, der MICCAI, haben Prof. Dr. Christoph Palm und seine wissenschaftlichen Mitarbeiter David Rauber und Robert Mendel vom Labor Regensburg Medical Image Computing (ReMIC) von der OTH Regensburg im Wettbewerb „Endoscopic Vision Challenge“ in der Kategorie „Robotic Scene Segmentation“ den ersten Platz gewonnen. Im spanischen Granada setzten sie sich im September 2018 gegen 17 Konkurrenten – darunter Vertreter international renommierter Einrichtungen wie der Johns Hopkins University oder des University College London durch. Das Preisgeld betrug 3.000 US-Dollar. „Der Preis zeigt, dass wir als OTH Regensburg auf diesem Gebiet international mithalten können“, sagte Prof. Dr. Christoph Palm, Leiter des Labors ReMIC.
    Die Aufgabe bestand darin, Kamerabilder des DaVinci-Chirurgieroboters automatisch zu analysieren. Dies beinhaltet eine Erkennung von chirurgischen Materialien, zum Beispiel Instrumente, Klammern, Nadel und Faden sowie von diversen Gewebeteilen. Diese Fragestellung wird auch als semantische Segmentierung bezeichnet. Zum Training standen dem Team die Echt-Aufnahmen sowie von Ärzten manuell segmentierte Bilder zur Verfügung. Mittels Deep Learning lernte nun der Rechner, die verschiedenen Objekte zu unterscheiden. Dadurch wird er in die Lage versetzt, ihm bislang unbekannte Bilder zu analysieren und automatisch zu segmentieren. Deep Learning ist ein Teilbereich des maschinellen Lernens und der künstlichen Intelligenz.


    Images

    Preisträger der OTH Regensburg: (von links) David Rauber, Prof. Dr. Christoph Palm und Robert Mendel haben auf der MICCAI 2018 in der Kategorie „Robotic Scene Segmentation" den ersten Preis gewonnen.
    Preisträger der OTH Regensburg: (von links) David Rauber, Prof. Dr. Christoph Palm und Robert Mendel ...
    Foto: Tanja Rexhepaj
    None


    Criteria of this press release:
    Business and commerce, Journalists, Scientists and scholars
    Biology, Information technology, Medicine, Politics, Social studies
    transregional, national
    Contests / awards
    German


     

    Preisträger der OTH Regensburg: (von links) David Rauber, Prof. Dr. Christoph Palm und Robert Mendel haben auf der MICCAI 2018 in der Kategorie „Robotic Scene Segmentation" den ersten Preis gewonnen.


    For download

    x

    Help

    Search / advanced search of the idw archives
    Combination of search terms

    You can combine search terms with and, or and/or not, e.g. Philo not logy.

    Brackets

    You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).

    Phrases

    Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.

    Selection criteria

    You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).

    If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).