Das Forschungsprojekt zielte darauf ab, neueste Erkenntnisse im Bereich des maschinellen Lernens, insbesondere des Deep Learning, auf medizinische Problemstellungen zu transferieren und zu untersuchen, wie dies zu differenzierteren Diagnosen beziehungsweise personalisierten Therapien beitragen kann.

Dafür sollten Problemlösungen (Algorithmen) für spezielle klinische Fragestellungen entwickelt werden, die als Basis für Software-Anwendungen im klinischen Alltag dienen könnten.

Der geplante Schwerpunkt lag auf der Analyse von Daten aus bildgebenden Verfahren (Radiologie, Endoskopie, Pathologie) sowie der Verarbeitung von komplexen Signaldatenmengen (Onkologie, Molekularpathologie, Somnologie) mittels neuronalen Netzwerken, welche durch überwachtes, unüberwachtes Lernen und Reinforcement Learning (RL) trainiert werden.

• Prof. Dr. Christian Herta (Projektleitung)
• Prof. Dr. Peter Hufnagl (Projektleitung)

• Jonas Annuscheit (Projektmitarbeiter_in)
• Oliver Fischer (Projektmitarbeiter_in)
• Christoph Jansen (Projektmitarbeiter_in)
• Prof. Dr. Dagmar Krefting (Projektmitarbeiter_in)
• Dipl.-Inf. Benjamin Voigt (Projektmitarbeiter_in)

Bundesministerium für Bildung und Forschung (BMBF)

IngenieurNachwuchs - Kooperative Promotion