Ellena Spieß beschäftigt sich in ihrer Arbeit mit der Frage, ob große, generalisierte Machine-Learning-Modelle bei ausreichend verfügbaren Trainingsdaten Vorteile gegenüber kleineren, spezialisierten Modellen bieten.
In ihrer Arbeit „Impact of Transfer Learning and Model Capacity on Patch-Level Metastasis Detection Across Training Data Regimes“ stellte sie die ersten Ergebnisse vor.
Maleen Rettenberger wurde für ihre Projektarbeit zur Verbesserung der Generalisierbarkeit von Zellsegmentierungsmodelle ohne neues Training mit dem Friedrich-Wingert-Stipendium ausgezeichnet. Im Rahmen der Session der Friedrich Wingert Stiftung stellte sie den aktuellen Stand ihrer Arbeit vor. Die Arbeit wird kooperativ mit der Hochschule Aalen betreut.
Die Konferenz bot eine wertvolle Gelegenheit, aktuelle Forschungsarbeiten unseres Instituts einem interdisziplinären Fachpublikum vorzustellen und sich mit anderen Forschenden auszutauschen. Wir freuen uns über die erfolgreiche Beteiligung und gratulieren beiden herzlich zu diesem Erfolg.
