Tiefe Netze

• Verfasst von: Köthe, Ullrich [VerfasserIn]
• Titel: Tiefe Netze
• Titelzusatz: von Maschinen lernen
• Verf.angabe: Ullrich Köthe
• E-Jahr: 2020
• Jahr: 2020-07-22
• Umfang: 10 S.
• Fussnoten: Gesehen am 10.08.2020
• Schrift/Sprache: Mit einer Zusammenfassung in englischer Sprache
• Titel Quelle: Enthalten in: Universität HeidelbergRuperto Carola
• Ort Quelle: Heidelberg : Winter, 1993
• Jahr Quelle: 2020
• Band/Heft Quelle: 16(2020), Seite 76-85
• ISSN Quelle: 0035-998X
• DOI: doi:10.17885/heiup.ruca.2020.16.24192
• Datenträger: Online-Ressource
• Sprache: ger
• K10plus-PPN: 1726663922
• K10plus-PPN:
  Universitätsbibliothek
• Lokale URL UB: Zum Volltext

Abstract

Während der Operation eines Patienten berechnen sogenannte invertierbare neuronale Netze den Sauerstoffgehalt des Blutes in Geweben und Gefäßen. Dabei erkennen diese Netze automatisch Bildbereiche, die von Instrumenten oder Tüchern verdeckt sind, als „kein Gewebe“ und ignorieren sie. Ein Beispiel für eine medizinische Anwendung, die Forschungsergebnisse der Arbeitsgruppe „Explainable Machine Learning“ am Interdisziplinären Zentrum für Wissenschaftliches Rechnen der Universität Heidelberg nutzt. Das maschinelle Lernen bildet gemeinsam mit der logikbasierten KI und der Mustererkennung die drei grundlegenden Ansätze auf dem Gebiet der Künstlichen Intelligenz (KI). Die Anwendungsgebiete der KI reichen vom Sieg eines Computers über die weltbesten menschlichen Go-Spieler bis zu Bildsegmentierung, Fluoreszenzmikroskopie oder Diagnostik in der Krebsmedizin oder der Augenheilkunde.