Bewegungstraining

AP 390

Ansprechperson: Prof. Dr. Frank 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.

PELVIS

AP 370

Ansprechperson: Prof. Dr. Jan Modersitzki

Interventionsunterstützung zur Repositionierung von Knochenfragmenten bei Beckenfrakturen: 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).

VIKOOB

AP 360

Ansprechperson: Prof. Dr. Philipp Rostalski

Visuelle Kontextinformation zur Optimierung der Beatmungstherapie: 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.

RIDIMP

AP 330

Ansprechperson: Dr. Karin Hochbaum

Risikoindikatoren für cardiopulmonale Dekompensation auf Intensivstationen durch Monitoring von Vitalparametern: 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.

Digitaler Röntgenassistent

AP 320

Ansprechperson: Prof. Dr. Thomas Martinetz

In dem KI-SIGS Anwendungsprojekt "Digitaler Röntgenassistent" wollen die Verbundpartner des UKSH Lübeck (Jörg Barkhausen), der IMAGE Information Systems Europe GmbH (Arpad Bischof), der Pattern Recognition Company GmbH (Erhardt Barth) und des Instituts für Neuro- und Bioinformatik der Universität zu Lübeck (Thomas Martinetz) den Prozess der Röntgenaufnahme mit KI unterstützen und optimieren.