Benutzer: Gast  Login
Weniger Felder
Einfache Suche
Originaltitel:
Machine Learning for Connectomics
Übersetzter Titel:
Methoden des Maschinellen Lernens für die Datenanalyse in Connectomics
Autor:
Staffler, Benedikt Sebastian
Jahr:
2019
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Informatik
Betreuer:
van der Smagt, Patrick (Prof. Dr.)
Gutachter:
van der Smagt, Patrick (Prof. Dr.); Menze, Bjoern (Prof. Dr.); Helmstaedter, Moritz (Prof. Dr.)
Sprache:
en
Fachgebiet:
INF Informationswesen, Bibliotheks-, Dokumentations-, Archiv-, Museumswesen
Stichworte:
connectomics, machine learning, synapse detection, image segmentation, convolutional neural networks
TU-Systematik:
DAT 708d; DAT 815d
Kurzfassung:
In this thesis, automated methods for the reconstruction of neural networks from 3D electron microscopy data are presented. A novel method for synapse detection is developed using a Machine learning approach. The method is further extended by using artificial neural networks for automated feature extraction and to improve the underlying cellular process segmentation. The developed methods are used to study all synapses onto a spiny stellate neuron in mouse primary somatosensory cortex.
Übersetzte Kurzfassung:
In dieser Dissertation werden Methoden zur automatischen Rekonstruktion von neuronalen Netzwerken aus 3D-Elektronenmikroskopiedaten vorgestellt. Basierend auf Maschinellem Lernen wird eine neue Methode zur Detektion von Synapsen entwickelt. Darüber hinaus werden künstliche neuronale Netzwerke für die automatische Merkmalsextraktion und zur Segmentierung von Nervenzellen verwendet. Die Methoden werden zur Analyse aller Synapsen auf eine Sternzelle im primären somatosensorischen Kortex der Maus an...     »
WWW:
https://mediatum.ub.tum.de/?id=1449120
Eingereicht am:
01.08.2018
Mündliche Prüfung:
28.01.2019
Dateigröße:
32094259 bytes
Seiten:
126
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20190128-1449120-1-0
Letzte Änderung:
12.02.2019
 BibTeX