OCT-Analyse

Am Institut für Neuro- und Bioinformatik evaluierte ich die Nutzbarkeit von OCT-Daten in Kombination mit maschinellem Lernen. OCT steht für optische Kohärenztomographie und ermöglicht hochauflösende Querschnittsbilder biologischer Gewebe.

Ziel war es, OCT-Scans verschiedener Probanden zu analysieren und mögliche langfristige Auswirkungen des Rauchens auf Augenstrukturen sichtbar zu machen. Dafür kamen klassische Machine-Learning-Verfahren und Deep Neural Networks zum Einsatz.

Das Projekt erreichte eine Klassifikationsgenauigkeit von etwa 67 Prozent. Aufgrund der begrenzten Datengrundlage wurde entschieden, die Untersuchung mit einem erweiterten Datensatz fortzuführen.

Technologien: PyTorch, Machine Learning, medizinische Bildanalyse, Datenaufbereitung