Seminar Advanced Algorithms in Medical Image Processing (SemAAMIP)5 ECTS
(englische Bezeichnung: Seminar Advanced Algorithms in Medical Image Processing)

Lehrveranstaltungen:

• • Seminar Digital Pathology and Deep Learning
    (Seminar, 2 SWS, Andreas Maier et al., Mo, 8:15 - 9:45, KH 1.021)

Inhalt:

Pathology is the study of diseases and aims to deliver a fine-grained diagnosis to understand processes in the body as well as to enable targeted treatment. In this area, the opportunities for digital image processing are vast: While the need for precision medicine, i.e., taking into account various co-dependencies when formulating the best possible treatment for a patient, is high, the number of pathologists ist not increasing accordingly. Deep learning-based techniques can be used for different objectives in this scope. Examples include screening large microscopy images for specific rare events, providing visual augmentation with analysis data. Additionally, the availability of massive data collections, including genomics and further biological factors, can be utilized to determine specific information about diseases that were previously unavailable.

This seminar is offered to students of medicine as well as computer sciences and medical engineering and similar. Students will have to present a topic from this field in a short (30 min) and comprehensive presentation.

List of topics:

• Staining and special stains (including immunohistochemistry, enzyme-based dyes and tissue microarrays)

• Current computational pathology

• Knowledge/Feature fusion into a diagnosis

• Histopathology quality control

• Data sets as limiting factor - limits of current data sets

• Large scale / clinical grade solutions

• Computational and augmented tumor grading

• In vivo microstructural analysis

• Big data in pathology (multi-omics)

• Histology image registration

• Staining differences and stain normalization

• Transfer learning and domain adaptation

• Explainable AI

• Virtual staining

• Digital workflow in Germany vs. the world

• Limits of digital pathology

Lernziele und Kompetenzen:

Students will be able to

• perform their own literature research on a given subject

• independently research this subject

• present and introduce the subject to their student peers

• give a scientific talk in English according to international conference standards
  

Weitere Informationen:

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:
Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:

1. Computational Engineering (Rechnergestütztes Ingenieurwesen) (Master of Science)
   (Po-Vers. 2013 | TechFak | Computational Engineering (Rechnergestütztes Ingenieurwesen) (Master of Science) | Gesamtkonto | Seminar, Masterarbeit | Seminar im Masterstudium | Seminar: Medical applications and deep learning)
2. Informatik (Master of Science)
   (Po-Vers. 2010 | TechFak | Informatik (Master of Science) | Gesamtkonto | Hauptseminar, Projekt, Masterarbeit | Hauptseminar | Seminar: Medical applications and deep learning)
3. Medizintechnik (Master of Science)
   (Po-Vers. 2019w | TechFak | Medizintechnik (Master of Science) | Modulgruppe M4 - Hauptseminar | Hauptseminar Medizintechnik / Advanced Seminar Medical Engineering | Seminar: Medical applications and deep learning)

Studien-/Prüfungsleistungen:

Seminar Medical Applications and Deep Learning (Prüfungsnummer: 732733)

(englischer Titel: Seminar Medical Applications and Deep Learning)

Prüfungsleistung, Seminarleistung, Dauer (in Minuten): 30, benotet, 5 ECTS

Anteil an der Berechnung der Modulnote: 0.0 %

weitere Erläuterungen:
Die Gesamtnote setzt sich zu 50% aus der Bewertung des Vortrags und zu 50% aus der Bewertung der Ausarbeitung / Implementierung zusammen. Ziel des Seminars ist die verständliche Aufbereitung eines Themas für andere Studierende. Die Vortragsdauer beträgt 30 Minuten. Ziel ist es, diese möglichst genau einzuhalten. Die Ausarbeitung umfasst 6 Seiten im Stil von IEEE-Konferenzbeiträgen. Vortrag und Ausarbeitung sollten auf Englisch erfolgen. Alternativ kann eine Demonstration implementiert werden. In diesem Fall umfasst die Ausarbeitung lediglich 3 Seiten.

Prüfungssprache: Englisch

Erstablegung: SS 20201. Wdh.: keine Wiederholung, 2. Wdh.: keine Wiederholung

1. Prüfer:

Andreas Maier