Verfahren, umfassend:Trainieren eines maschinellen Lernsystems mit mindestens zwei Trainingsbildern, wobei ein erstes der Trainingsbilder von einer ersten Art physiologischen Gewebes erlangt wird und ein zweites der Trainingsbilder von einer zweiten Art physiologischen Gewebes erhalten wird, wobei das maschinelle Lernsystem darauf trainiert wird, Unterschiede in den Trainingsbildern zwischen der ersten und der zweiten Art physiologischen Gewebes zu erkennen,Eingeben eines Bildes von einem physiologischen Gewebe eines Subjekts in das trainierte maschinelle Lernsystem,wobei das trainierte maschinelle Lernsystem Wahrscheinlichkeiten identifiziert, dass Pixel in dem Bild zur ersten Art physiologischen Gewebes und/oder zur zweiten Art physiologischen Gewebes gehören, wobei jede Wahrscheinlichkeit einem Pixel des Bildes entspricht, undIdentifizieren einer Grenze in dem Bild zwischen der ersten und der zweiten Art physiologischen Gewebes oder Bestimmen einer Eigenschaft der ersten oder der zweiten Art physiologischen Gewebes basierend auf den identifizierten Wahrscheinlichkeiten.Method, comprising: Training a machine learning system having at least two training images, wherein a first of the training images is obtained from a first type of physiological tissue and a second of the training images is obtained from a second type of physiological tissue, wherein the machine learning system is trained to compensate for differences in the training images between the to recognize first and second kind of physiological tissue Inputting an image of a physiological tissue of a subject into the trained machine learning system, wherein the trained machine learning system identifies probabilities that pixels in the image belong to the first type of physiological tissue and / or the second type of physiological tissue, each probability corresponding to a pixel of the image, and Identifying a boundary in the image between the first and second types of physiological tissue, or det
