Mustererkennung in Daten und Bildern

Muster erkennen in medizinischen Daten

"Jeder Besitzer eines Smartphones erfährt heute alltäglich die Fortschritte, die in den letzten Jahren in der Sprach- und Handschriften-Erkennung gemacht wurden. Solche technischen Erfolge werden vor allem durch die Technologie der „Mustererkennung“ in der Neuroinformatik ermöglicht." (Quelle: www.technologie-luebeck.de)

FE&E-Kompetenzen:

Methoden und Software zur automatischen Erkennung von Mustern, Strukturen und Kausalitäten in Daten und Bildern für

  • Detektieren und Klassifizieren von beliebig geformten Objekten (Objekterkennung),
  • Verfolgen von Objekten (Objektverfolgung),
  • Analysieren von Bewegungen (Bewegungsanalyse),
  • Erkennung und Vergleichen von Objektmerkmalen (Merkmalsextraktion),
  • Erkennen von Defekten (optische Qualitätskontrolle)
  • Messen und Zählen sowie Ermitteln von statistischen Informationen zur Nutzung bei Medizindiagnostischer Entscheidungsfindung (Decision Support Systeme)
  • Smart Alarm Systemen
  • auch in großen Datenmengen (Big Data)
  • mit Deep Learning und Deep Networks (neuronale Netzwerke) insbesondere auch im Kontext von
  • 3D-Kameraanwendungen bzw Time-of-Flight sowie Eyetracking.

FE&E-Leistungsprofil:

Entwicklung von Methoden und Software für medizintechnische Anwendung in Geräten, die die automatisierte Erkennung von Mustern in Daten und Bildern erfordern, zum Beispiel bei der

  • Auswertung von Röntgen- oder Mikroskopbildern sowie auch Bewegtbildern 
  • Geräte-/Sensormesswerten wie z.B. EEG und fMRI-Daten
  • Erkennung von Gesten, z.B. für die Steuerung von Geräten
  • Erfassung und Nutzung (Simulation/Überwachung/Steuerung) von Augenbewegungen

Leistungsversprechen:

Methoden- und Softwareentwicklung im Wege der Auftragsforschung, Entwicklungsdienstleistung und/oder Werkleistung von Systemkomponenten

Erfahrungen, Projektbeispiele:

  • Entwicklung von Verfahren zur automatisierten Auswertung von Mikroskopbildern in der Labordiagnostik; im Produktvertrieb durch den industriellen Projektpartner.
  • Softwareentwicklung zur optimierten Verwertung von Gewebe bei der Bestückung von Biochips; im Produktiveinsatz beim industriellen Partner.
  • Automatisierte Auswertung von Sensordaten in Medizinprodukten zur Umsetzung in der Gerätesteuerung von Beatmungsgeräten (Software im klinischen Einsatz)).
  • Erfassung/Messung der Tiefenentfernung bei Endoskop-Video mit Time-of-Flight-Kameratechnik

Ansprechpartner:

Prof. Dr. Thomas Martinetz , Prof. Dr.-Ing Erhardt Barth
Institut für Neuro- und Bioinformatik
www.inb.uni-luebeck.de

für IKP-Projekte:
Dr. Raimund Mildner
E-Mail:
Mobil: 0171 / 5309668

Forschungsprofil

Das Institut für Neuro- und Bioinformatik (INB) an der Universität zu Lübeck entwickelt Methoden des maschinellen Lernens und der Mustererkennung mit Anwendungen im Bereich der Bildverarbeitung und Datenanalyse. Die Methoden sind angelehnt an Prinzipien der Informationsverarbeitung in biologischen Systemen, und werden gleichzeitig auch angewandt auf die Erforschung der Informationsverarbeitungsprozesse z.B. im Gehirn. Methodisch wird insbesondere an Konzepten des Sparse Coding und Compressed Sensing sowie an Deep Neural Networks gearbeitet. Das INB kooperiert eng mit Partnern aus der Sektion Medizin, z.B. der Neurologie bei der Auswertung von fMRI Messungen von Hirnaktivitäten oder der Analyse von Augenbewegungen. Zum Verständnis neuronaler Aktivitäten z.B. beim Lernen werden auch umfangreiche Simulationen von Kortexarealen durchgeführt, dies eingebettet als Teilprojekt in den Sonderforschungsbereich „Plastizität und Schlaf“. Im Bereich Bildverarbeitung wird intensiv auf dem Gebiet der 3D-Sensordatenauswertung gearbeitet, mit Anwendungsszenarien bei der Gestenerkennung im Operationssaal und des sogenannten Atemgating bei bildgebenden Verfahren.

Biologisch inspirierte Verfahren der Mustererkennung wie Deep Neural Networks sind heutzutage weltweit führend und haben Objekt- und Spracherkennung auf breiter Front anwendbar gemacht. Das INB wird Methoden des maschinellen Lernens und der Mustererkennung angelehnt an biologische Informationsverarbeitungsprinzipien weiterentwickeln und intensiv in medizinische Anwendungsbereiche einbringen. Dazu werden die bereits bestehenden Kooperationen mit Kliniken auf dem Campus sowie der Industrie ausgebaut und neue Kooperationen eingegangen. Die exponentiell steigende Verfügbarkeit von Bild- und Patientendaten bis hin auf die molekulare Ebene, Stichwort „Big Data in der Medizin“, wird den Einsatz adaptiver und selbstlernender Verfahren, wie sie das INB entwickelt und vorhält, auf breiter Front erfordern.