Das Forschungsprojekt zielt 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 bzw. personalisierten Therapien beitragen kann. Dafür sollen Problemlösungen (Algorithmen) für spezielle klinische Fragestellungen entwickelt werden, die als Basis für Software-Anwendungen im klinischen Alltag dienen können. Der geplante Schwerpunkt liegt 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)
• Prof. Dr. Dagmar Krefting (Projektleitung)

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

Bundesministerium für Bildung und Forschung (BMBF)

IngenieurNachwuchs - Kooperative Promotion