@masterthesis{Roman2021, type = {Bachelor Thesis}, author = {Roman, Anschel Julio}, title = {K{\"u}nstliche neuronale Netze in biomedizinischen Anwendungen}, editor = {F{\"u}genschuh, Armin}, doi = {10.26127/BTUOpen-5630}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:co1-opus4-56309}, school = {BTU Cottbus - Senftenberg}, year = {2021}, abstract = {Die Bachelorarbeit besch{\"a}ftigt sich mit der Entwicklung effizienter Methoden f{\"u}r die Klassifizierung der Stadien von Zellen. Hierbei liegt der Fokus auf sogenannten Deep-Learning-Algorithmen. Diese haben sich unter anderem in der Bilderkennung als sehr leistungsf{\"a}hig erwiesen und k{\"o}nnen genutzt werden, um große Mengen von mikroskopischen Zellbildern in kurzer Zeit zu klassifizieren. Aufgezeigt werden M{\"o}glichkeiten zur Optimierung solcher Algorithmen mit dem Ziel, Genauigkeit und Speichergr{\"o}ße zu verbessern. Es wurden hierbei der Einfluss von verschiedenen Parametern auf die Performance eines Algorithmus untersucht und gegen{\"u}bergestellt, verschiedene etablierte Modelle miteinander verglichen und eine Auswahl g{\"a}ngiger Methoden zur Modell-Optimierung getestet. Genutzt wurde die Software-Bibliothek TensorFlow, welche {\"u}ber die Programmiersprache Python angesprochen wird. Reale Anwendungsdaten wurden von der Firma Medipan zur Verf{\"u}gung gestellt.}, subject = {K{\"u}nstliche neuronale Netze; Tiefes Lernen; Nichtlineare Optimierung; Bilderkennung; Bildklassifizierung; Artificial neuronal networks; Deep learning; Nonlinear optimization; Image recognition; Image classification; Neuronales Netz; Mustererkennung; Deep learning; Nichtlineare Optimierung}, language = {de} }