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

Stefan Denner

Stefan Denner

Stefan Denner

Building:

REZ

Room:

F.01.083

Stefan Denner is a PhD candidate at the Division of the Medical Image Computing (MIC) at the German Cancer Research Center (DKFZ) as part of the European Laboratory for Learning and Intelligent Systems (ELLIS). He is co-supervised by Prof. Mihaela van der Schaar from the University of Cambridge. One of the chief obstacles to the development and clinical implementation of Al algorithms is the availability of sufficiently large, curated, and representative datasets based on expert labeling. Collecting such curated data requires many hours of manual work but is crucial for downstream model performances. Within his PhD, he investigates human-centered machine learning methods enabling physicians to curate high-quality datasets. The goal is to support physicians in this process by understanding the dataset's limitations and suggesting new samples leading to a more representative and robust dataset.

Projects:

Interests:

  • Representation Learning
  • Data Curation
  • Medical imaging platforms
  • Medical image segmentation

to top
powered by webEdition CMS