Deepflash2: Neue Publikation am Lehrstuhl von Prof. Flath
19.04.2023Unter dem Titel “Deep learning-enabled segmentation of ambiguous bioimages with deepflash2”, veröffentlichte Prof. Dr. Christoph Flath zusammen mit Matthias Griebel, Dennis Segebarth, Nikolai Stein, Nina Schukraft, Philip Tovote und Robert Blum
Unter dem Titel “Deep learning-enabled segmentation of ambiguous bioimages with deepflash2”, veröffentlichte Prof. Dr. Christoph Flath zusammen mit Matthias Griebel, Dennis Segebarth, Nikolai Stein, Nina Schukraft, Philip Tovote und Robert Blum einen Artikel im Nature Communications, 2023. In diesem Artikel wird deepflash2 vorgestellt, ein auf Deep Learning basierendes Tool für die Analyse von biologischen Bildern. Das Tool befasst sich mit den Herausforderungen des geringen Signal-Rausch-Abstands in biologischen Bildern, der die Segmentierung erschwert. deepflash2 verwendet mehrere Expertenannotationen und Deep-Model-Ensembles, um präzise Ergebnisse zu erzielen, und umfasst einen Qualitätssicherungsmechanismus in Form von Unsicherheitsmaßen. Das Tool ist effizient in Bezug auf die Rechenressourcen und basiert auf etablierten Deep-Learning-Bibliotheken, so dass die trainierten Modelle mit der Forschungsgemeinschaft geteilt werden können. Das Ziel von deepflash2 ist es, die Genauigkeit und Zuverlässigkeit von Bioimage-Analyseprojekten zu verbessern, indem die Integration von Deep Learning vereinfacht wird.
