Selbstüberwachte 3D-Segmentierung von Krebszellen
- Ausgangslage
- Ein Medtech-Unternehmen musste Krebszellen in sehr grossen 3D-Aufnahmen aus der Lichtblattmikroskopie segmentieren, wobei Experten-Annotationen langsam und teuer sind.
- Ergebnis
- Segmentierung 3 % besser als die Experten-Masken und 20 % höhere diagnostische Genauigkeit. Publiziert auf arXiv, in Begutachtung bei Pattern Recognition (Elsevier).
- PyTorch
- Swin Transformer
- Self-Supervised Learning
- Azure ML
