Evaluation verschiedener CNN-Architekturen zur stentbasierten Überkreuzungspunkt-Regression

Umfeld

„Innovationen für die Produktion, Dienstleistung und Arbeit von morgen“ hat das Ziel die Produktion in der Medizintechnik zu verbessern. Die Abschlussarbeit ist im Kontext eines selbstlernendes Verfahren, welches automatisch Fehler im Flechtmuster von kardiovaskulären Implantaten (Stents) erkennt und darauf aufbauend optimierte Anpassungsparameter vorschlägt, angesiedelt.

In der praktischen Umsetzung muss der Stent zu Beginn vermessen und anschließend mit dem Soll-Modell verglichen werden. Eine Möglichkeit zur Vermessung ist die Extraktion der Überkreuzungspunkte des Flechtdrahtes. Dies hat den Vorteil, dass nicht nur die Messgröße extrahiert, sondern gleichzeitig die räumliche Lage bestimmt werden kann.

Ziele

• Implementierung und Evaluation verschiedener CNN-Architekturen zur Überkreuzungspunkt-Extraktion
• Analyse und Bewertung der Evaluationsergebnisse

Voraussetzungen

• Strukturiertes und analytisches Vorgehen
• Deutsch und Englisch verhandlungssicher in Wort und Schrift
• Praktische Programmiererfahrung in C++
• Vorkenntnisse im Bereich Machine Learning bzw. Deep Learning sind hilfreich