ReTMed - Replication and Transformation of Medical Object Detection (WiSe 2024/25)
ReTMed konzentriert sich auf die Erforschung der Objekterkennung in der medizinischen Bildgebung, insbesondere unter Verwendung von Thorax-Röntgenaufnahmen aus dem VinDr-CXR-Datensatz. Ziel des Projekts ist es, leistungsstarke Modelle aus einer früheren Challenge zu reproduzieren und den Einfluss neuerer Architekturen, wie z. B. Transformern, auf die Erkennungsleistung zu bewerten. Darüber hinaus wird das Projekt Strategien zur Bewältigung unsicherer Labels in medizinischen Daten untersuchen, um Einblicke in die Robustheit und Genauigkeit der Modelle in realen Anwendungen zu gewinnen.
Die Studierenden werden lernen, mit fortgeschrittenen Frameworks für die Objekterkennung zu arbeiten, Forschungsergebnisse zu replizieren und neue Modellarchitekturen zu implementieren, wodurch sie praktische Erfahrungen in der Anwendung von Deep Learning in der medizinischen Bildgebung sammeln.
Teilnehmende am Projekt müssen den Kurs „Deep Learning for Computer Vision“ abgeschlossen haben.