Deep Learning-Algorithmen unterstützen bereits heute die medizinische Bildgebung in vielen Bereichen und umfassen alle Methoden, wie Röntgen-, Ultraschall-, CT- und MRT-Untersuchungen. Die zunehmende Automatisierung der diagnostischen Verfahren bietet sowohl für Patienten als auch für Ärzte Vorteile: höhere Genauigkeit und Zuverlässigkeit der Untersuchungsergebnisse, noch präzisere diagnostische Aussagen und verbesserte, individuell zugeschnittene therapeutische Maßnahmen. Grundvoraussetzung für den Einsatz von künstlichen neuronalen Netzen ist in vielen Fällen die maschinelle Bildverarbeitung.
In unserem White Paper erklärt Basler Produktmanager Peter Behringer die vier Schritte einer typischen Bildverarbeitungskette und beschreibt die drei Arten von Vision Systemen für Deep Learning: Embedded Systeme, PC-basierte Systeme und FPGA Framegrabber-basierte Systeme.
Außerdem gibt das White Paper wertvolle Einblicke in folgende Bereiche: