Search

Wir definieren den Begriff Building Shape - hier als Gebäudeform übersetzt 1 - im Kontext der rückwirkenden Klassifizierung von Gebäude-Sammlungen. Wir stellen fest, dass eine gewisse Komplexität vorhanden ist. Ziel ist ein schlankes System, welches Gebäudeformen mit einer geringen Menge an Metadaten beschreiben kann. Diese Doktorarbeit besteht aus einer Theorie, einer Software-Umsetzung wichtiger Teile der Theorie und einer Validierung der Software-Umsetzung mit Hilfe empirischer Daten. In einem interdisziplinären Ansatz untersuchen wir wie die Kognitionswissenschaft mit komplexen Daten in ihren Domänen umgeht. Generative Linguistik trägt eine Datenstruktur und ein analytisches Modell bei. Das Forschungsfeld der Visuellen Wahrnehmung trägt eine Grundlage für den Wechsel von einem quantitativen hin zu einem qualitativen Metadaten-Modell bei. Der quantitative Ansatz löst einige der aus der Komplexität resultierenden Herausforderungen. Wir stellen fest, dass kognitive Konzepte wie Wortschatz, Lexikon, implizite Aussagen, Syntaktische Bäume und rekursive Regeln, geeignete Kandidaten für eine Verbesserung von Architektur-Metadaten sind. Wir führen vier Konzepte ein, die maßgeschneidert für die Forschungsaufgabe der Gebäudeform Klassifizierung sind: Klassifizierungs-Mengen, Untergeordnete Referenzen, Periphrase und Syntaxbaum. Klassifizierungs-Mengen sind identifizierte Gruppen von Gebäudeform-Eigenschaften wie- Krümmung, Neigung oder Proportionen. Untergeordnete Referenzen sind Verbindungen mit semantischer Bedeutung und versuchen Flexibilität in Klassifizierungs-Mengen zu bringen. Gebäudeform-Periphrasen beschreiben einzelne identifizierbare Gebäudeteile und bedienen sich aus dem Forschungsfeld der Visuellen Wahrnehmung. Gebäudeform-Syntaxbäume behandeln Gebäudeformen, die aus mehr als einem identifizierbaren Gebäudeteil zusammengesetzt sind. Hier ist das Datenmodell ein binärer Baum und ist inspiriert von Generativer Grammatik aus der Linguistik. Ein Gebäudeform-Syntaxbaum verbindet mehrere Gebäudeform-Periphrasen. Eine Gebäudeform für ein Gebäude kann so in dem neuen Datenmodell ausgedrückt werden. Mehrere Gebäude können miteinander verglichen werden. Wir können einen numerischen Wert errechnen, der die Ähnlichkeit von zwei Gebäudeformen ausdrückt. Um zu verifizieren, dass die Theorie und ihre Software-Umsetzung sinnvolle Ähnlichkeitswerte produzieren, werden Tests gegen empirische Referenzdaten durchgeführt. Die empirischen Referenzdaten wurden von 52 Teilnehmern bezogen, und konzentrieren sich auf 80 Pavillons auf Weltausstellungen. Wir vergleichen die empirischen mit den errechneten Daten und identifizieren quantitative Differenzen. Sowohl die Leistung des gesamten Systems als auch der vier Kernkonzepte wird untersucht. Der abschließende Teil interpretiert die Ergebnisse und unternimmt eine Verifikation der Hypothese. Die Diskussion versucht die vorgestellte Theorie wieder in einem breiteren Forschungs Umfeld zu positionieren. Potenziale und mögliche nächste Schritte werden aufgezeigt., We define the term Building Shape within a context of retroactive classification of building collections. We identify that there is a certain complexity present. We aim to find a lean system that can describe a Building Shape with a small amount of meta data. This thesis consists of a theory, a software implementation of major parts of the theory, empirical data as a reference, and a validation of the implementation against the empirical reference. In an interdisciplinary approach, we investigate how Cognitive Science handles complex data in its domains. Generative Linguistics will provide input for a data structure and an analytical model. The research field of Visual Perception will provide a foundation for the shift from a quantitative towards a qualitative meta data classification model. The qualitative approach will ease some of the complexity challenges. We identify that cognitive concepts like vocabulary, lexicon, implicit statements, syntactic trees, and recursive rules are candidates that can bring structure to architecture meta data. We introduce four concepts, that are custom tailored to the research task of Building Shape classification: Classification Sets, Weak References, Periphrase and Syntax Tree. Classification Sets are identified groups of building shape properties like curvature, tilt or proportions. Weak References are "Named Relationships" and aim to allow flexibility within one Classification Set. Building Shape Periphrase deals with the building shape of a single distinct building part. The interdisciplinary connection back to Visual Perception provides foundations. Building Shape Syntax Tree deals with building shapes that are composed of two or more distinct building parts. Its data model is inspired by Generative Grammar from linguistics and is a binary tree structure. A Building Shape Syntax Tree connects multiple Building Shape Periphrases. A building shape of one building can be expressed in the new data model. Multiple buildings can be compared with each other. We can calculate a numeric score that represents the similarity of two building shapes. To verify that the theory and its software implementation are producing useful similarity values, there is a test against empirical data that serves as a reference. We look on 80 World Exposition pavilions. An empirical data set was produced by 52 participants. We map the empirical data onto the calculated data to provide quantitative insights. The performance of the whole system, as weil as of the four core concepts, is investigated. The closing discussion part interprets the findings and performs a verification of the hypothesis. lt connects the theory back into a broader research picture and shows poten -tials and possible next steps.

Mit dem Konzept des Transit-Oriented Development (TOD) wird das Ziel verfolgt, neue Wohn- und Gewerbenutzungen an regional integrierten Standorten zu entwickeln, die den zukünftigen Bewohnerinnen und Bewohnern sowie den Beschäftigten eine gute lokale Infrastrukturausstattung, abwechslungsreiche öffentliche Räume sowie attraktive Mobilitätsalternativen zur Nutzung des eigenen Kraftfahrzeugs anbieten. In diesem Beitrag wird eine zur Operationalisierung von Transit-Oriented Development entwickelte Methodik vorgestellt und zur Bewertung und Klassi zierung von 747 nordrhein-westfälischen Bahnhaltepunkten angewandt. Mithilfe der operationalisierten TOD-Dimensionen können für Nordrhein-Westfalen fünf Cluster gebildet werden. Die Ergebnisse zeigen, dass sich die Cluster mit überdurchschnittlich hohen TOD-Werten in den Dimensionen Destination Accessibility, Density und Diversity vorwiegend im Rhein-Ruhr-Raum sowie in den solitären Städten des Landes nden lassen. In den peripheren Räumen treten hauptsächlich die Cluster mit geringeren TOD-Werten auf. Die Ergebnisse weisen darauf hin, dass es eine Diskrepanz zwischen der Verfügbarkeit von potenziell entwickelbaren Flächen und dem TOD-Grad gibt. Im Umfeld der Haltepunkte der hochleistungsfähigen Bahnstrecken in Regionen mit hoher Wohnungsnachfrage stehen kaum Flächenpotenziale zur Verfügung. Große Flächenpotenziale gibt es hingegen an den Haltepunkten mit geringen TOD-Werten und einem geringeren Druck auf dem Wohnungsmarkt. Die Cluster ermöglichen es, spezi sche Handlungsempfehlungen für die Stadtplanung und politische Entscheidungen zu formulieren, um eine erfolgreiche Implementation von TransitOriented Development zu unterstützen. The concept of Transit-Oriented Development (TOD) aims to develop new residential and commercial areas in regionally integrated sites that provide future residents and employees with good local infrastructure, diversified public spaces and attractive mobility alternatives so that they do not have to use their own car. This paper presents a methodology for the operationalisation of Transit-Oriented Development and applies it to evaluate and cluster of 747 railway stations in North Rhine-Westphalia, Germany. Using the operationalised TOD dimensions, five interpretable clusters can be defined for North Rhine-Westphalia. The results show that the clusters with above-average TOD values in the dimensions destination accessibility, density and diversity can be found mainly in the Rhine-Ruhr region and in the solitary cities of North Rhine-Westphalia. In the peripheral areas, primarily clusters with lower TOD values occur. The findings indicate that there is a discrepancy between the availability of potentially developable building land and the degree of Transit-Oriented Development. In the surroundings of the railway stations of the high-capacity railway lines in regions with high demand for housing, there is barely any potential building land available. The majority of potential building land is located at railway stations with below-average TOD values and less pressure on the housing market. The clusters make it possible to formulate specific recommendations for action for urban planners and political decision makers in order to support a successful implementation of Transit-Oriented Development.

Das SNF-Projekt "Märkte auf Papier – das Basler Avisblatt 1729–1844" untersucht ein wöchentlich erschienenes vormodernes Anzeigenblatt, das einen erheblichen Teil des sozioökonomischen Austauschs in einer Schweizer Stadt über einen Zeitraum von 116 Jahren abdeckt. Es umfasst Angebote und Gesuche von Waren, Dienstleistungen, den Arbeits- und Immobilienmarkt, Geldverleih und andere Aspekte des sozialen und wirtschaftlichen Lebens. Die Quelle wurde digitalisiert und eine Datenbank mit hunderttausenden von Anzeigen aufgebaut. Um diese auswerten und analysieren zu können, wurden sie mit klassifizierenden Metadaten ergänzt. Anstatt zu versuchen, eine a priori, one-serves-all-Klassifizierung vorzunehmen, verwenden wir eine Strategie des algorithmischen Taggings mit dictionary-basierten R-Skripten. Diese können im Verlauf der Analyse dynamisch entwickelt werden, was zu einem iterativen Verfeinerungsprozess von Hypothesen und Heuristiken führt. Ein solcher Ansatz vermeidet die Erzeugung von Single-Use-Datensätzen oder Datenfriedhöfen und versteht damit sowohl Daten als auch deren Analyse als sich ständig weiterentwickelnd und voneinander abhängig. Ein Beitrag zur 8. Tagung des Verbands "Digital Humanities im deutschsprachigen Raum" - DHd 2022 Kulturen des digitalen Gedächtnisses.

Ziel: Diese Bachelorarbeit zielt darauf hinaus, mögliche MRT-Techniken bzw. Sequenzen zu untersuchen, die bei der Klassifizierung von Meningeomen angewendet werden. Des Weiteren soll ermittelt werden, welche Erkenntnisse verschiedene Techniken bzw. Sequenzen liefern. Aus den Studien soll erfasst werden, welche Sensitivität und Spezifität die MRT beim Grading von Meningeomen aufweist. Methode: In dieser Bachelorarbeit handelt es sich um eine systematische Übersichtsarbeit. Es wurden Studien aus den wissenschaftlichen Datenbanken wie Pubmed, ScienceDirect und SpringerLink verwendet. Medizinische Fachbücher wurden ebenfalls herangezogen. Der Publikationszeitraum der Studien liegt zwischen 2015 und 2021. Ergebnisse: Die DWI-Sequenz kann Meningeome unterschiedlichen Grades differenzieren. Insbesondere quantifizierte Bilder aus der DWI, und zwar die ADC, kann Meningeome des Grades I von Tumoren des Grades II/III voneinander unterscheiden. Des Weiteren können zur Klassifizierung der Meningeome die kontrastierten T1, Postkontrast-T1 und T2-FLAIR Sequenzen herangezogen werden. Histogrammparameter wie der Mittel-, Modal- und Medianwert sowie das 90. Perzentil sind dabei ein wichtiges Prädiktor zur Einstufung der Meningeome. Diskussion: Die Fragestellung, welche Sensitivität bzw. Spezifität verschiedene MRT Sequenzen beim Meningeom Grading aufweisen, konnte nicht umfassend beantwortet werden, da es sich bei den untersuchten Studien um andere MRT-Merkmale oder Parameter handelte. Es ist wichtig, dass weitere Untersuchungen mit den gleichen MRT-Merkmalen oder Parameter durchgeführt werden, um einen besseren Vergleich zu ermöglichen sowie auch die optimale Technik zu finden. Aim: This bachelor thesis aims to investigate possible MRI techniques or sequences used in the grading of meningiomas. Furthermore, it will be determined which findings different techniques or sequences provide. The sensitivity and specificity of MRI in the grading of meningiomas will be evaluated from the studies. Method: This bachelor thesis is a systematic review. Studies from scientific databases such as Pubmed, ScienceDirect and SpringerLink were used. Medical textbooks were also consulted. The publication period of the studies is between 2015 and 2021. Results: The DWI sequence can differentiate meningiomas of different grades. Quantified images from DWI, and specifically ADC, can differentiate grade I meningiomas from grade II/III tumours. Furthermore, the contrasted T1, postcontrast T1 and T2-FLAIR sequences can be used to classify meningiomas. Histogram parameters such as the mean, modal, and median values as well as the 90th percentile are important predictors for the classification of meningiomas. Discussion: The question of the sensitivity or specificity of different MRI sequences in meningioma grading could not be answered comprehensively because the investigated studies involved different MRI features or parameters. It is important that further studies are performed with the same MRI features or parameters to allow a better comparison and also to find the optimal technique.

In den letzten Jahren haben Menstruationstassen als wiederverwendbare Menstruationsprodukte zunehmend an Popularität gewonnen und auch die mediale Sichtbarkeit der Produkte nimmt zu. Im Gegensatz zu klassischen Menstruationsartikeln sind Menstruationstassen jedoch – insbesondere aus sozialwissenschaftlicher Perspektive – weitestgehend unerforscht, wobei sich auch hier seit kürzerer Zeit ein beginnendes Interesse abzeichnet. Im Fokus dieser Arbeit steht die Untersuchung des ‘Vermessungsansatzes‘ – einer Methode zur individuell passenden Auswahl einer Menstruationstasse, wie sie im deutschsprachigen Raum auf verschiedenen digitalen Plattformen und im Kontext von Onlineberatung Verbreitung findet. In Form einer Internetethnografie wird in dieser Arbeit untersucht, auf welche Weise menstruierende Körper und Menstruationstassen im Kontext des Vermessungsansatzes zusammengeführt werden. Der Fokus der Analyse liegt dabei auf Quantifizierungsprozessen und Vergleichsoperationen, welche als soziologische Phänomene analysiert und mit Hilfe von Latours Konzepts der 'Inskriptionen' theoretisch reflektiert werden. Darüber hinaus wird Fragen zur Herstellung von Definitionsmacht und Autorität im Feld nachgegangen. In der empirischen Analyse werden die Kategorisierungs- und Quantifizierungsprozesse des Vermessungsansatzes im Detail betrachtet. Dazu werden die Darstellungen und Argumentationsweisen von Marina Wolfschaffner analysiert, welche als zentrale Akteurin im Feld auftritt. Die hierin angelegte Perspektive wird anschließend auf weitere Akteur:innen ausgeweitet. Die Ergebnisse der Forschung weisen darauf hin, dass die Transformation von Körpern und Artefakten in numerische Repräsentationen (Inskriptionen), Voraussetzung für eine Onlineberatung zur Menstruationstassenwahl ist. Als Inskriptionen sind menstruierende Körper und Menstruationstassen kommensurabel, vor allem aber mobil und für Dritte problemlos präsentierbar und lesbar gemacht. Durch ihren Abgleich kann ein scheinbar eindeutiges Ergebnis erzielt werden – die individuell perfekt passende Menstruationstasse. Persuasive Effekte von Inskriptionen und numerischer Kommunikation stärken dieses Bild. Darüber hinaus verweist die Analyse darauf, dass dem Vermessungsansatz eine stigmatisierende und tabuisierende Auffassung von Menstruation, im Sinne einer 'culture of concealment', zugrunde liegt. Die perfekte Tasse kann nach Vostral als 'technologie of passing' verstanden werden, welche es Menstruierenden zuverlässig ermöglichen soll, als nicht-menstruierend zu erscheinen. Mittels Individualitäts- und Risikoerzählung wird von Wolfschaffner ein Bild der Notwendigkeit konstruiert, in dem der Vermessungsansatz als obligatorischer Passage-Punkt für die Auswahl einer Menstruationstasse erscheint. Opazität und Inkonsistenz in Bezug auf die Auswertung der Daten stärken den Erhalt eines Wissensgefälles zwischen ‘Laien‘ und ‘Expert:innen‘ und damit Wolfschaffners Autorität und Relevanz als Beraterin., Sara Breidy, Masterarbeit Universität Klagenfurt 2022

Das Verstehen von Szenen ist ein zentrales Problem, das gelöst werden muss, damit Serviceroboter nützliche Aktionen durchführen können, wie z. B. das Aufräumen eines Raums oder das Bringen eines gewünschten Gegenstands. Methoden, die versuchen, dieses Problem mit 3D-Daten zu lösen, haben vom Aufkommen des Deep Learning stark profitiert. Insbesondere Faltungsneuronale Netze haben zur Weiterentwicklung des Fachgebiets beigetragen, wurden jedoch hauptsächlich im Zusammenhang mit 2D-Daten untersucht. Welche Lernarchitektur bei 3D-Daten, die sich nicht auf eine einzige Ansicht reduzieren lassen, verwendet werden sollte, ist jedoch noch ein offenes Problem. In dieser Arbeit werden mehrere Methoden vorgestellt, die robust gegenüber Rotation, Maßstabsänderung und Verdeckung sind, was bei 3D-Daten, die von einem Roboter erfasst werden, häufig vorkommt.Weithin verfügbare Tiefensensoren und die Fortschritte bei der Schätzung der Kameraposition haben die Erfassung von realen 3D-Daten in bisher unerreichtem Ausmaß erleichtert, und künstliche 3D-Modelle werden seit Jahrzehnten mit CAD-Software für Fertigungs- oder Unterhaltungszwecken erstellt. Die Nutzung dieses großen Pools an bereits semantisch annotierten Daten erfordert Methoden, die mit beiden Quellen gleichberechtigt umgehen können. Der Domänenwechsel zwischen künstlichen und realen Daten bleibt jedoch eine große Herausforderung im Umgang mit 3D-Daten. In dieser Arbeit wird eine teilbasierte Repräsentation eingeführt, um dieses Problem zu lösen. Insbesondere der Maßstab künstlicher Modelle ist oft inkonsistent, aber Teile, die Teile, die auf der Krümmung der Objektoberfläche basieren, können über verschiedene Bereiche hinweg konsistent sein und lassen sich leicht individuell auf einen kanonischen Raum skalieren. In ähnlicher Weise kann Rotationsinvarianz erreicht werden erreicht werden, indem die Teile selbst auf der Grundlage ihrer lokalen Kovarianz ausgerichtet werden. Schließlich können auch schließlich bleiben auch bei Verdeckung viele Teile des Objekts gleich, was die Abhängigkeit der der Darstellung vom Vorhandensein des gesamten Objekts.In bestimmten Szenarien kann es besonders schwierig sein, eine genaue Schätzung der Kamera Schätzung der Kameraposition zu erreichen, z. B. wenn es um große Szenen geht. Außerdem hat jede Tiefen Erfassungsmodalität ihre eigenen Beschränkungen. Beide Probleme zusammen können zu einer sehr großen Lücke zwischen künstlichen und realen Daten führen. In dieser Arbeit wird eine dateneffiziente Architektur vorgestellt die die Vorteile der Prioritäten nutzt, die durch ein Jahrzehnt der Forschung im Bereich des Roboter-Sehens eingeführt wurden. Durch die Kombination der Punkt-Paar-Merkmal-Darstellung mit einem teilbasierten Sampling der Paaren und einer geeigneten Lernarchitektur, erreicht diese Methode ein hohes Maß an Robustheit gegenüber verrauschten Daten., Scene understanding is a key problem to solve to enable service robots to perform use fulactions such as tidying up the room, or bringing a requested item. Methods attempting to solve this problem using 3D data have greatly benefited from the advent of deeplearning. Convolutional neural networks in particular have contributed to advancing the field but have mostly been studied when dealing with 2D data. Which learning architecture to use when dealing with 3D data that cannot be reduced to a single viewis however still an open problem. This thesis introduces multiple methods that are robust to rotation, scale change and occlusion, which is commonly found in 3D data captured by a robot.Widely available depth sensors and the progress in camera pose estimation have made real 3D data collection much more accessible at scales never reached before, and artificia l3D models have been produced using CAD software for decades for manufacturing or entertainment purposes. Taking advantage of this large pool of already semantically annotated data requires methods that can deal with both sources indifferently. The domain shift between artificial and real data however remains a major challenge when dealing with 3D data. This thesis introduces a part-based representation to tackle thisissue. In particular, the scale of artificial models is often inconsistent, but parts createdbased on the curvature of the object surface can be be consistent across domains andare easily scaled individually to a canonical space. Similarly, rotation invariance can beachieved by orienting the parts themselves based on their local covariance. Finally, even under occlusion, many parts of the object will remain the same, limiting the dependency of the representation on the entire object being present.Under certain scenarios, it can be particularly challenging to achieve accurate camerapose estimation, for example when dealing with large scenes. Moreover, each depth sensing modality has its own limitation. Both issues combined can lead to a very largegap between artificial and real data. This thesis introduces a data efficient architecture that takes advantage of the priors introduced by a decade of research in robot vision.Combining the Point Pair Feature representation with a part-based sampling of thepairs and a suitable learning architecture, this method a achieves high level of robustness to noisy data.

Künstliche Intelligenz (KI) und maschinelles Lernen (ML) sind heute ständige Begleiter, manchmal offensichtlich, aber meistens treiben sie die Tools im Hintergrund an. Es ist an einem Punkt angelangt, an dem ML zugänglicher denn je ist und ML-Modelle mit nur wenigen Klicks für alltägliche Anwendungsfälle generiert werden können. Darüber hinaus besteht das Publikum jetzt nicht mehr nur aus Data Scientists oder ML-Ingenieuren, sondern aus Entwicklern oder Personen ohne ML-Kenntnisse. Dies wird maßgeblich durch Paradigmenwechsel im letzten Jahrzehnt unterstützt, nämlich die weit verbreitete Nutzung von Cloud-Diensten und die damit verbundenen Pay-Per-Use (PPU)-Möglichkeiten in Form von Machine-Learning-as-a-Service (MLaaS). Diese Arbeit zielte darauf ab, die Idee in Frage zu stellen, ob man heutzutage noch ein tiefes Verständnis von ML haben muss, um dessen Vorteile zu nutzen. Der Autor verglich dazu die Leistung mehrerer bekannter ML-Algorithmen, welche von Hand in benutzerdefinierte Modelle wie neuronale Netze oder Random Forests eingearbeitet wurden, sowie einen Showcase einer eigens erstellten generischen ML-Plattform welche automatisierte ML-Prozesse nutzte, zu einigen der Angebote der Tech Giants. Nämlich Microsoft Automated ML, Google Vertex AI und Amazon Sagemaker Autopilot. Alle Modelle und Plattformen wurden mit demselben Datensatz trainiert, was den Trainingsprozess etwas erschwerte, da dessen Klassen stark unausgewogen waren. Schließlich bewertete und verglich der Autor die Modelle basierend auf Genauigkeit, F1- (gewichteten) und F1- (Makro) Werten. Der Autor kam zu dem Schluss, dass die Zeit, der Aufwand und die Fähigkeiten, die zum Erstellen benutzerdefinierter Modelle erforderlich sind, möglicherweise nicht gerechtfertigt sind, obwohl eines von ihnen die beste Leistung erbracht hat. Darüber hinaus schnitten alle Plattformen, einschließlich der eigens erstellten Plattform, auf einem ziemlich ähnlichen Niveau ab. Die Empfehlung des Autors für Unternehmensumgebungen war, nach Möglichkeit proprietäre ML-Plattformen zu verwenden und nur dann, wenn dies nicht der Fall ist, auf die Erstellung einer eigenen Plattform als Mittel zur Orchestrierung zurückzugreifen oder benutzerdefinierte Modelle zu verwenden. Abschließend kommt der Autor zu dem Schluss, dass in der Wissenschaft der automatisierte ML-Ansatz jedoch zu einschränkend wäre, um neue Erkenntnisse zu gewinnen. Today, Artificial Intelligence (AI) and Machine Learning (ML) are constant companions, sometimes apparent, but mostly they power the tools in the background. It has come to a point, where ML is more accessible than ever and ML models can be generated with only a few clicks for everyday use-cases. Additionally, the audience is now not only Data Scientists or ML engineers, but developers or individuals without ML knowledge. This is largely supported by paradigm shifts happening over the past decade, namely the widespread use of cloud services and the Pay-Per-Use (PPU) possibilities coming with it in the form of Machine-Learning-as-a-Service (MLaaS). This thesis aimed to challenge the idea of having to have a deep understanding of ML in order to reap its benefits. The author was doing so by comparing the performance of several well-known ML algorithms, hand-crafted into customized models such as neural networks or random forests, as well as a show-case of a generic ML platform which leveraged automated ML processes, to several of the offerings of the Tech Giants. Namely Microsoft Automated ML, Google Vertex AI and Amazon Sagemaker Autopilot. All models and platforms were trained on the same data set, which added some difficulty to training process as its classes were heavily imbalanced. Finally, the author evaluated and compared the models based on accuracy, F1 (weighted) and F1 (macro) scores. The author concluded that the time, effort and skills needed to build custom models may not be justified, although one of them performed the best. Furthermore, all the platforms, including the custom platform, performed at a quite similar level. The authors recommendation for corporate environments was to use proprietary ML platforms whenever feasible and only when this is not the case, resort to creating their own platform as a means of orchestration or the use custom models. Lastly, the author concluded that in academia, however, the automated ML approach would be too restricting to gain new knowledge.

Mikroskopaufnahmen kompletter Organismen und ihrer Entwicklung erm��glichen die Erforschung ganzer Organismen oder Systeme und erzeugen Datens��tze im Terabyte-Bereich. Solche gro��en Datens��tze erfordern die Entwicklung von Computer-Vision-Tools, um Aufgaben wie Erkennung, Segmentierung, Klassifizierung und Registrierung durchzuf��hren. Es ist w��nschenswert, Computer-Vision-Tools zu entwickeln, die nur eine minimale Menge an manuell annotierten Trainingsdaten ben��tigen. Ich demonstriere derartige Anwendungen in drei Projekte. Zun��chst stelle ich ein Tool zur automatischen Registrierung von Drosophila-Fl��geln (verschiedener Spezies) unter Verwendung von Landmarkenerkennung vor, das f��r die Untersuchung der Funktionsweise von Enhancern eingesetzt wird. Ich vergleiche die Leistung eines Shape-Model-Ansatzes mit der eines kleinen neuronalen Netz bei der Verf��gbarkeit von nur 20 Trainingsbeispiele. Beide Methoden schneiden gut ab und erm��glichen eine pr��zise Registrierung von Tausenden von Fl��geln. Das zweite Projekt ist ein hochaufl��sendes Zellkernmodell des C. elegans, das aus einem nanometeraufgel��sten Elektronenmikroskopiedatensatz einer ganzen Dauerlarve erstellt wird. Diese Arbeit ist der erste Atlas der Dauerdiapause von C. elegans, der jemals erstellt wurde, und enth��llt die Anzahl der Zellkerne in diesem Stadium. Schlie��lich stelle ich eine Bildanalysepipeline vor, an der ich zusammen mit Laura Breimann und anderen gearbeitet habe. Die Pipeline umfasst die Punkterkennung von Einzelmolek��l-Fluoreszenz-In-situ-Hybridisierung (smFISH), die Segmentierung von Objekten und die Vorhersage des Embryonalstadiums. Mit diesen drei Beispielen demonstriere ich sowohl generische Ans��tze zur computergest��tzten Modellierung von Modellorganismen als auch ma��geschneiderte L��sungen f��r spezifische Probleme und die Verschiebung des Feldes in Richtung Deep-Learning., Microscopy images of entire organisms and their development allows research in whole organisms or systems, producing terabyte scale datasets. Such big datasets require the development of computer vision tools to perform tasks such as detection, segmentation, classification, and registration. It is desirable to develop computer vision tools that require minimal manually annotated training data. I demonstrate such applications in three projects. First, I present a tool for automatic Drosophila wing (of various species) registration using landmark detection, for its application in studying enhancer function. I compare the performance of a shape model technique to a small CNN requiring only 20 training examples. Both methods perform well, and enable precise registration of thousands of wings. The second project is a high resolution nucleus model of the C. elegans, constructed from a nanometer-resolved electron microscopy dataset of an entire dauer larva. The nucleus model is constructed using a classical dynamic programing approach as well as a CNN approach. The resulting model is accessible via a web-based (CATMAID) open source and open access resource for the community. I also developed a CATMAID plugin for the annotation of segmentation objects (here, nucleus identity). This work is the first atlas of the C. elegans dauer diapause ever created and unveils the number of nuclei at that stage. Lastly, I detail an image analysis pipeline I collaborated on with Laura Breimann and others. The pipeline involves single molecule fluorescence in situ hybridization (smFISH) spot detection, object segmentation, and embryo stage prediction. The pipeline is used to study the dynamics of X specific transcriptional repression by condensin in the C. elegans embryo. With these three examples, I demonstrate both generic approaches to computational modeling of model organisms, as well as bespoke solutions to specific problems, and the shift in the field towards deep learning.