Amira.

Durchführung einer klinischen Studie

Motivation: Verbesserung der Mammographie zur schmerzfreien Untersuchung
Ziel: Zusammenhang zwischen Bewegungsstärke der Brust und Kompressionsstärke
Ansatz: Ultraschallaufnahme des Brustgewebes während einer Mammographie Simulation
Methode: Bewegungsextraktion mit klassischen Optical-Flow-Methoden und Deep Learning Methoden (RAF,
OmniMotion)
Analyse: Methodenvergleich über die Zuverlässigkeit und Bewegungsstärkenanalyse

Kosten- und Performanceanalyse verschiedener Virtual Machines auf Microsoft Azure

Programmierung mit Python, PyTorch, Cuda, Azure

Vertiefung: medizinische Bild- und Datenverarbeitung
Fächer: Strahlenbiologie, Neurowissenschaft, Bildverarbeitung, Bildgebung (MRT, Ultraschall), Mustererkennung, Deep Learning
Forschungsprojekt: Sensitivity Analysis of Image Quality Me-
trics for MRI
Abschlussarbeit: Analysis of Ultrasound Data to Determine
Patient Movement (Note 1,0)

Grundlagenstudium: Mathematik, Physik, Elektrotechnik, Signal und Bildverarbeitung, Bildgebung(CT)
Abschlussarbeit: Berechnung von Superpixeln mittels eines iterativen Segmentierungsverfahrens (Note 1,0)