Anwendungsprojekte

AP 310 Homecare Augendiagnostik

Ansprechperson:   Prof. Dr. R. Koch

Entwicklung und Bereitstellung von bildgebenden Verfahren und diagnostischen Hilfsmitteln bei Erkrankungen des Auges (Altersbedingte Makuladegeneration - AMD und Retinopathia centralis serosa - RCS), insbesondere zur Unterstützung von klinischer und Homecare-Prognostik.

 

AP 320 Homecare Röntgenassistent

Ansprechperson:   Prof. Dr. T. Martinetz

Die Entwicklung eines Röntgenassistenten, welcher das Personal führt, dadurch die Qualität der Röntgenbilder signifikant steigert, Zeit spart und die Dosierung reduziert. Zusätzlich wird die Qualität der Aufnahme mit KI bestimmt.

 

AP 330 Risikoindikatoren für cardiopulmonale Dekompensation auf Intensivstationen durch Monitoring von Vitalparametern (RIDIMP)

Ansprechperson:   Dr. K. Hochbaum

Ziel des Projekts ist es mittels Methoden des Maschinellen Lernens zu untersuchen, ob es Parameterkonstellationen gibt, die in Summe einen Hinweis auf nachfolgende akute cardiopulmonale Entgleisungen bei intensivpflichtigen Patienten geben können und daraus eine Entscheidungsunterstützung für Mediziner zu entwickeln.

 

AP 340 Künstliche Intelligenz für radiologische Bildgebung in der Notfall- und Intensivmedizin

Ansprechperson:   Prof. C.-C. Glüer

Entwicklung und Bereitstellung von KI-gestützten Analyseverfahren zur Optimierung von Workflow und Befundungsqualität für Bildgebung in der Notfall- und Intensivmedizin, speziell in den Bereichen Schlaganfall, Skelettrauma und Intensiv/Röntgenthorax.

 

AP 350 Intelligenter Ultraschall-Aspirator

Ansprechperson:   Dr. S. Buschschlüter

Im Arbeitspaket soll eine selbstlernende KI verwendet werden, um einen adaptiven Ultraschall Aspirator zu entwickeln. Das finale Ziel ist die Detektion von verschiedenen Gewebetypen durch die Nutzung des Aspirators als intraoperative Sonde mit einer Mustererkennung als Assistenzsystem.

 

AP 360 VIsuelle KOntextinformation zur Optimierung der Beatmungstherapie (VIKOOB)

Ansprechperson:   Prof. Dr. P. Rostalski

Verbesserte Nutzung multimodaler Sensordaten in der Beatmungstherapie durch Zusammenspiel visuell extrahierter Kontextinformation (aus Multikamera-Tiefenbildern), Zeitreihen der Vitalparameter und fortschrittlichen KI-Algorithmen (Deep-Learning und probabilistische Modelle). Umfassende Patientenbeurteilung (z.B. bezüglich Stress, Körperlage etc.) und damit potenziell neue diagnostische/therapeutische Anwendungen.

 

AP 370 Interventionsunterstützung zur Repositionierung von Knochenfragmenten bei Beckenfrakturen (PELVIS)

Ansprechperson:   Prof. Dr. J. Modersitzki

Hauptziel ist die Optimierung und Vereinfachung von Beckenfraktur-OPs durch KI-gestützte Repositionierung mittels Röntgen-Stereotaxie als Alternative zu aufwändigen Voll-Navigationssystemen. Weitere Ziele sind die Implementierung geeigneter KI-Verfahren, sowie die Lösung der Probleme die bei Segmentierungen und Visualisierungen durch den Übergang von 3D CT Daten zu intraoperativen, selektiven 2D Röntgenbildern entstehen (2D-3D Mapping).

 

AP 380 Individualisierte Hörhilfenanpassung

Ansprechperson:   Prof. T. Gerkmann

Ziel des Projektes ist es zum einen Methoden der künstlichen Intelligenz zu entwickeln und bereitzustellen die den First Fit verbessern und eine Adaptation an die Nutzer und ihre spezifischen Hörverluste und Vorlieben ermöglichen, und zum anderen die Entwicklung von KI-basierten Störgeräuschunterdrückungsmethoden, die an die individuelle Nutzung angepasst sind.

 

AP 390 Bewegungstraining

Ansprechperson:   Prof. Dr. F. Steinicke

Entwicklung und Bereitstellung von interaktiven KI-Werkzeugen für das Bewegungstraining, welche mittels intelligenter virtueller Agenten und Robotersysteme Rückmeldungen über (in-)korrekt durchgeführte Bewegungen auf natürliche Art und Weise geben.