Innovative Deep Learning Methoden ermöglichen quantitative Analyse von synaptischen Mikroskopiedaten (C10#)

• Fachliche Zuordnung: Molekulare Biologie und Physiologie von Nerven- und Gliazellen
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 317475864

Wissenschaftler im SFB studieren Synapsen mit modernen Mikroskopieverfahren und nutzen die gewonnenen Erkenntnisse für synaptische Modelle. Die notwendige Datenanalyse erfordert derzeit aufwendige manuelle Arbeit. Deep Learning Methoden könnten diese Aufgaben automatisieren, erfordern jedoch viele annotierte Trainingsdaten und scheitern oft an der Generalisierung auf andere Datensätze. Um diese Nachteile zu überwinden, werde ich "Domain Adaptation" und "Self Supervised Learning" Methoden entwickeln, und auf drei anspruchsvolle Analyseprobleme des SFB anwenden. Die Methoden werden in weiteren Mikroskopie-verfahren einsetzbar sein und einen bedeutenden Fortschritt für die Bildanalyse in der Biologie darstellen.

• DFG-Verfahren: Sonderforschungsbereiche
• Teilprojekt zu: SFB 1286: Quantitative Synaptologie
• Antragstellende Institution: Georg-August-Universität Göttingen
• Teilprojektleiter: Professor Dr. Constantin Pape