Forschungsschwerpunkt Maschinelles Lernen

»Wie« und »Warum« neuronale Netze (sog. »Deep Neural Networks«, DNNs) bestimmte Schlüsse ziehen und »Woraus« sie ihr Wissen generieren, ist von außen schwer nachvollziehbar. Und doch bildet genau dieses Wissen die Grundlage für wichtige strategische Entscheidungen in Unternehmensprozessen, in der medizinischen Diagnostik und Therapie (bspw. im Bereich der Schmerzerkennung), aber auch für die Akzeptanz solcher maschineller Lernverfahren im Alltag (intelligente Arbeitsmittel).

Unsere Forscher beherrschen sowohl klassische Methoden des »Maschinellen Lernens« und der Bildanalyse als auch die heute oft überlegenen Methoden des »Deep Learnings« und haben langjährige Erfahrung in der Entwicklung von Anwendungen zur computer-assistierten Diagnoseunterstützung. Dies umfasst die Steuerung von Mikroskopen und Scannern, die automatische Analyse bis hin zur nachvollziehbaren und verständlichen Visualisierung für den Benutzer.

Unsere »Machine Learning« Schwerpunktthemen:

• Ganzheitliche Erfassung und Analyse von Biosignalen mittels Machine Learning
• Transparenz und Nachvollziehbarkeit von KI-Systemen
• KI-basierte Software für die Geruchsvorhersage
  
• Machine Learning und Deep Learning für menschenzentrierte Mensch-Maschine-Interaktion
• Digitale Pathologie und computergestützte Mikroskopie
• Diagnostische Endoskopie

• Bündelung von Kernkompetenzen aus den Bereichen Medizintechnik, Bild- und Biosignalanalyse, Maschinellem Lernen, Soft- und Hardware-Implementierung
• Langjährige Erfahrung im Aufbau und Kuratierung standardisierter, strukturierter und annotierter Bild- und Signaldatenbanken für das Training und die Evaluierung von lernenden Verfahren (z.B. Mimik- und Gesichtsanalyse, Biosignale, Endoskopie, Hämatologie, Pathologie, Mammographie)
• Langjährige interdisziplinäre Vernetzung mit Unternehmen, Kliniken und Hochschulen
• Sensor(-systeme) unterschiedlicher physikalischer und technischer Messgrößen
• Modularer Softwarebaukasten für die schnelle Realisierung einer kundenspezifischen Datenverarbeitungskette von der Erfassung über die Analyse bis hin zur Visualisierung der Ergebnisse 

Vorhandene Infrastruktur

• High Performance Deep Learning 34 Node Cluster, 72x NVidia P100 GPU, 16x NVidia P40 GPU, 2.8 TB RAM
• Erweiterbares Kino-Labor, derzeit ausgestattet mit 70 Sitzplätzen und Infrarot-Kamerasystemen
• Labor für Mikroskopie und digitale Pathologie (z.B. Zeiss Axio Imager, Zeiss Axio Scan.Z1, Precipoint M8, Immersionsmikroskopie)
• Endoskopie-Studio mit unterschiedlichen starren und flexiblen Endoskop-Systemen (Wolf, Storz, Schölly, Olympus), Lichtquellen, Robotern und Phantomen
• Elektroniklabor und umfangreiches Testequipment