Benutzer: Gast  Login
Originaltitel:
Machine Learning for Connectomics 
Übersetzter Titel:
Methoden des Maschinellen Lernens für die Datenanalyse in Connectomics 
Jahr:
2019 
Dokumenttyp:
Dissertation 
Institution:
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...    »
 
Mündliche Prüfung:
28.01.2019 
Dateigröße:
32094259 bytes 
Seiten:
126 
Letzte Änderung:
12.02.2019