wieerwill/Informatik
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

Deckblatt wie Fachgebiettemplate

Browse Source
This commit is contained in:
WieErWill 2021-12-20 11:09:41 +01:00
parent 6cee82c062
commit f67a4dfeb9
2 changed files with 17 additions and 17 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

BIN
Praktikum BMT - Deep Learning in der Biomedizintechnik.pdf
View File

Binary file not shown.

34
Praktikum BMT - Deep Learning in der Biomedizintechnik.tex
View File

@ -41,17 +41,20 @@
\small
{
Technische Universität Ilmenau\\
Fakulät IA\\
Fakultät für Informatik und Automatisierung\\
Institut für Biomedizinische Technik und Informatik\\
Praktikum Deep Learning in der Biomedizintechnik\\
Laborpraktikum BMT\\
WS 2021/22}
}
\title {Versuchsprotokoll}
\subtitle{ Robert Jeutter\\ \&\\ Amèle Nya}
\author{}
\date{16.12.2021\\*[60pt]}
\title {Versuch: Deep Learning in der Biomedizintechnik}
\subtitle{Praktikumsbetreuer: Thomas Jochmann}
\author{Teilnehmer: Robert Jeutter \& Amèle Nya}
\date{
Datum Versuchsdurchführung: \quad 16.12.21\\
Datum Protokollabgabe: \quad 18.12.21
}
\maketitle
%Einstellungen zur Kopf- und Fußzeile
@ -86,9 +89,6 @@
\item Output-Layer: Neuronen, die Signale an die Aussenwelt abgeben
\end{itemize}
\item Warum ist es nicht sinnvoll eine lineare Funktion $(y=\alpha x+b)$ als Aktivierungsfunktion in den verdeckten Schichten eines neuronalen Netzes zu verwenden?
\begin{itemize}
\item
\end{itemize}
\item Was verstehen Sie unter Backpropagation?
\begin{itemize}
\item Im Wesentlichen ist Backpropagation ein Algorithmus, der zur schnellen Berechnung von Ableitungen verwendet wird
@ -335,13 +335,13 @@ data
\end{lstlisting}
\begin{tabular}{c|l|c|c|c|c}
0 & Laboride & Bezeichnung & Einheit & Normalwert & 31.08.2017 \\\hline
1 & AAGE & Alter & Jahre & <115 & 21 \\
2 & CA & Calcium i.S. & mmol/l & 2.25-2.65 & Feb 43 \\
3 & CHOL & Cholesterin & mmol/l & 3.1-5.2 & 05. Jul \\
4 & ERY & Erythrozyten & Tpt/l & 4.1-5.4 & Apr 28 \\
5 & GGT & Gamma-GT & µmol/l* & <0.65 & zu groß \\
6 & ...
0 & Laboride & Bezeichnung & Einheit & Normalwert & 31.08.2017 \\\hline
1 & AAGE & Alter & Jahre & <115 & 21 \\
2 & CA & Calcium i.S. & mmol/l & 2.25-2.65 & Feb 43 \\
3 & CHOL & Cholesterin & mmol/l & 3.1-5.2 & 05. Jul \\
4 & ERY & Erythrozyten & Tpt/l & 4.1-5.4 & Apr 28 \\
5 & GGT & Gamma-GT & µmol/l* & <0.65 & zu groß \\
6 & ...
\end{tabular}
Ein NN soll mit diesen Daten trainiert werden. Es soll bestimmt werden, ob der Patient einem gesundheitlichen Risiko unterliegt. Dazu werden die Blutwerte der Nummerierung in pandas entsprechend auf das NN gegeben. Der Prozess der Data Sanitization ist meist nicht so einfach wie oben angegeben.
@ -444,7 +444,7 @@ Ergebnis:
\subsubsection{Aufgabe 2b: Neuronales Netz zur Klassifikation von OCT-Aufnahmen}
Im Folgenden sollen OCT-Aufnahmen klassifiziert werden. Diese zeigen Querschnittsaufnahmen der Netzhaut. Im Datensatz sind Bilder von gesunden Probanden vorhanden. Außerdem gibt es solche mit \hyperref{https://en.wikipedia.org/wiki/Choroidal_neovascularization}{choroidaler Neovaskularisation} (CNV), \hyperref{https://en.wikipedia.org/wiki/Macular_edema}{Makulaödem} (DME) und \hyperref{https://en.wikipedia.org/wiki/Drusen}{Drusen} (DRUSEN). Es werden vier Bilder gegeben.
Stelle anhand der Bilder eine Diagnose für den jeweiligen Patienten und notiere diese. Eine grobe Einschätzung ist hierbei ausreichend.
Stelle anhand der Bilder eine Diagnose für den jeweiligen Patienten und notiere diese. Eine grobe Einschätzung ist hierbei ausreichend.
\begin{itemize}
\item Bild 1: DRUSEN
\item Bild 2: DME