Die multiskalige Bildgebung stellt neue Herausforderungen an die Datenanalyse. Die hohe Komplexität der Daten ergibt sich durch deren Eigenschaft, volumetrisch, zeitveränderlich, groß und multiskalig zu sein sowie Kohorten zu bilden. Dies erfordert Grundlagenforschung in Bilderkennung, maschinellem Lernen und Visualisierung. Maschinelles Lernen erlaubt, inhärente Beziehungen zwischen Mustern auf mehreren Skalen zu enthüllen. Ein interaktiver visueller Ansatz unterstützt die nutzerzentrierte Analyse der entdeckten Merkmale. Das Ergebnis dieses Projekts werden allgemein anwendbare, effektive und effiziente Methoden sein, die dem übergeordneten Ziel der multiskaligen Datenanalyse dienen.
Jiang, Xiaoyi | Professur für Praktische Informatik (Prof. Jiang) |
Linsen, Lars | Professur für Praktische Informatik (Prof. Linsen) |
Jiang, Xiaoyi | Professur für Praktische Informatik (Prof. Jiang) |
Linsen, Lars | Professur für Praktische Informatik (Prof. Linsen) |