Deep Learning ist zu einem unverzichtbaren Werkzeug für die Datenanalyse in der Fluoreszenzmikroskopie geworden. Die in dieser Arbeit vorgestellten Deep-Learning-Methoden extrahieren bisher unzugängliche Informationen aus mikroskopischen 3D-Bildern, ermöglichen die Vorhersage von 3D-Formen aus 2D-Bildern, die Verfolgung einzelner Zellen in 4D Filmen, aufgenommen mit einem Hellfeldmikroskop und ebnen so den Weg für eine mikroskopiebasierte, nicht-invasive Einzelzellüberwachung und Bildanalyse mit hohem Durchsatz.     «

Deep Learning ist zu einem unverzichtbaren Werkzeug für die Datenanalyse in der Fluoreszenzmikroskopie geworden. Die in dieser Arbeit vorgestellten Deep-Learning-Methoden extrahieren bisher unzugängliche Informationen aus mikroskopischen 3D-Bildern, ermöglichen die Vorhersage von 3D-Formen aus 2D-Bildern, die Verfolgung einzelner Zellen in 4D Filmen, aufgenommen mit einem Hellfeldmikroskop und ebnen so den Weg für eine mikroskopiebasierte, nicht-invasive Einzelzellüberwachung und Bildanalyse mit...     »