74. Heidelberger Bildverarbeitungsforum

74. Heidelberger Bildverarbeitungsforum

© Sirona Dental Systems GmbH
© Sirona Dental Systems GmbH
Dienstag, 3. März 2020, Bensheim

Maschinelles Lernen für die 3D-Bildgebung und -modellierung

Maschinelles Lernen für 3D-Bildgebung ist ungleich aufwändiger als für 2D-Bilder, da die Datenmengen ungleich höher sind und Bildgewinnung und -auswertung unmittelbar miteinander gekoppelt sind. Während in medizinischen Anwendungen 3D-Bildgebung wohl etabliert ist, beginnt diese sich in der industriellen erst richtig zu entwickeln. Daher verfolgt dieses Bildverarbeitungsforum zwei Ziele: Wissenstransfer zwischen medizinischer und industrieller Bildverarbeitung und eine Bestandsaufnahme von Lernverfahren in der 3D-Bildgebung und -analyse.

Vorträge

Vorstellung von Dentsply Sirona
Dr. J. Pfeiffer, CTO (Technology Segment)
Deep CT
Prof. Dr. M. Kachelrieß, Deutsches Krebsforschungszentrum (DKFZ), Heidelberg
  Abstract
Segmentierung im Projektionsraum mittels Deep-Learning zur Metallartefakt-Reduktion
in Cone-Beam-CT-Aufnahmen

Dr. M. Bertleff, Dentsply Sirona, Bensheim
  Abstract
Simultane 3D-Bildgewinnung und Materialklassifizierung durch Lernen der Modifikation
von Beleuchtungsmustern

Dr. C. Lennartz, trinamix GmbH, Ludwigshafen
  Abstract
Volumensegmentierung mit maschinellem Lernen und ilastik
F. Beuttenmüller, Europäisches Molekularbiologie Labor (EMBL), Heidelberg
  Abstract
Kaffeepause, Ausstellung & Poster
Herausforderungen von Machine Learning: Von der Annotation bis zur Produktisierung
Dr.-Ing. M. Prümmer, Chimaera GmbH, Erlangen
  Abstract
Präzise annotierte Trainingsdaten für CT-Scans
P. Fuchs, Volume Graphics GmbH, Heidelberg
  Abstract