Cookie Hinweis

Wir verwenden Cookies, um Ihnen ein optimales Webseiten-Erlebnis zu bieten. Dazu zählen Cookies, die für den Betrieb der Seite notwendig sind, sowie solche, die lediglich zu anonymen Statistikzwecken, für Komforteinstellungen oder zur Anzeige personalisierter Inhalte genutzt werden. Sie können selbst entscheiden, welche Kategorien Sie zulassen möchten. Bitte beachten Sie, dass auf Basis Ihrer Einstellungen womöglich nicht mehr alle Funktionalitäten der Seite zur Verfügung stehen. Weitere Informationen finden Sie in unseren Datenschutzhinweisen .

Essentiell

Diese Cookies sind für die Funktionalität unserer Website erforderlich und können nicht deaktiviert werden.

Name Webedition CMS
Zweck Dieses Cookie wird vom CMS (Content Management System) Webedition für die unverwechselbare Identifizierung eines Anwenders gesetzt. Es bietet dem Anwender bessere Bedienerführung, z.B. Speicherung von Sucheinstellungen oder Formulardaten. Typischerweise wird dieses Cookie beim Schließen des Browsers gelöscht.
Name econda
Zweck Session-Cookie für die Webanalyse Software econda. Diese läuft im Modus „Anonymisiertes Messen“.
Statistik

Diese Cookies helfen uns zu verstehen, wie Besucher mit unserer Webseite interagieren, indem Informationen anonym gesammelt und analysiert werden. Je nach Tool werden ein oder mehrere Cookies des Anbieters gesetzt.

Name econda
Zweck Measure with Visitor Cookie emos_jcvid
Externe Medien

Inhalte von externen Medienplattformen werden standardmäßig blockiert. Wenn Cookies von externen Medien akzeptiert werden, bedarf der Zugriff auf diese Inhalte keiner manuellen Zustimmung mehr.

Name YouTube
Zweck Zeige YouTube Inhalte
Name Twitter
Zweck Twitter Feeds aktivieren
Data Science Seminar

What to learn in instrument pose estimation

Watch the video here

Abstract: New Deep Learning Methods push the limits what computers are able to do to assist experts on a daily basis. With these developments an increasing gap is forming between those methods and the application and dataset realities, particular in Computer Assisted Interventions. In temporal bone surgery, sub-millimeter accuracy is needed to guide instruments around the ear. This talk discusses, how the gap can be closed for instrument pose estimation, which is needed so robotic control can be used in future high-precision minimally invasive surgeries. The i3PosNet method introduces an iterative scheme to achieve precision on x-rays significantly better than a pixel. Given this scheme, we develop AutoSNAP – a learning-centric method – to automatically design a Neural Architecture, which improves accuracies even further.

 

https://i3posnet.david-kuegler.de/

https://autosnap.david-kuegler.de/

 

Keywords: Deep Learning, Problem Design for Learning, Neural Architecture Search

Biosketch David Kuegler

Currently, David Kügler works as a researcher at the German Center for Neurodegenerative Diseases (DZNE) in Bonn, Germany. There he works on Deep Learning for Neuroimaging ranging from anatomical segmentation to reconstruction tasks to improve MRI acquisitions. In his PhD, David addressed the translation of AI on Computer-Assisted Interventions closing the gap between Deep Learning Method development and the reality of CAI applications and datasets.

to top
powered by webEdition CMS