Für Abschlussarbeiten am KIS*MED können sich interessierte Studierende per Mail an einen der Mitarbeiter <nachname>@kismed.tu-darmstadt.de melden. Bitte sendet euren Leistungspiegel und ein kurzes Motivationsschreiben. Alle Themen können individuell angepasst werden.
Mögliche Themengebiete und die entsprechenden Ansprechpartner sind im Folgenden gelistet:
Elektroimpedanztomographie
Mit der Elektroimpedanztomographie (EIT) können durch die Einspeisung von kleinen Mengen Strom und die Messung der resultierenden Spannungen Schnittbilder des menschlichen Körpers erzeugt werden. Im Gegensatz zur Computertomographie (CT) werden also keine schädlichen Röntgenstrahlen verwendet, und das System ist auch deutlich kostengünstiger als ein MRT. Die Einsatzmöglichkeiten der EIT sind vielfältig: Sie kann zur Überwachung der Atmung, zur Untersuchung des muskuloskelettalen Systems, aber auch in miniaturisierter Form für die Überwachung von Zellwachstum eingesetzt werden.
In der EIT werden sowohl simulierte Messungen als auch Messungen, die an Versuchstanks oder an Menschen durchgeführt wurden, verwendet. Wir forschen daran, wie wir große Datensätze aus realen Messungen aufnehmen können und diese dann zu tatsächlichen Schnittbildern rekonstruieren können. Diese Schnittbilder sollen zum Beispiel zur Überwachung der Frakturheilung verwendet werden.
Mögliche Themenfelder zur Bearbeitung sind:
- Ausarbeitung neuer Rekonstruktionsalgorithmen, zum Beispiel mithilfe von Machine Learning
- Weiterentwicklung des vorhandenen Messaufbaus
- Untersuchung von möglichen Einsatzfeldern der EIT
- Simulation von EIT-Messungen in Matlab
- Vergleich von Simulation und Realität
Empfohlen, aber nicht zwangsweise nötig, sind Kenntnisse in Python und/oder Matlab. Vorkenntnisse in Machine Learning/Deep Learning können bei einigen Themen hilfreich sein.
Vertrauenswürdige und erklärbare KI-Lösungen für medizinische Diagnosen und Behandlungsplanung
Künstliche Intelligenz (KI) hat ein immenses Potenzial, das Gesundheitswesen zu verändern, indem sie die Diagnosegenauigkeit verbessert und personalisierte Behandlungspläne ermöglicht. Der Mangel an Vertrauen und Transparenz in KI-Modelle, insbesondere im medizinischen Bereich, schränkt jedoch ihre breite Anwendung ein. Unser Ziel ist es, die Entwicklung vertrauenswürdiger und erklärbarer KI-Lösungen für medizinische Daten (CT-Scans, MRTs, OCT usw.) zu erforschen, die das Vertrauen des medizinischen Personals in die Nutzung von KI für medizinische Entscheidungen stärken.
Mögliche Themen sind:
• Erklärbare KI (XAI): Entwicklung und Integration erklärbarer KI-Techniken, um Modellentscheidungen für medizinisches Fachpersonal transparent und verständlich zu machen.
• Vertrauenswürdige KI: Sicherstellen, dass das KI-Modell Prinzipien wie Fairness, Verantwortlichkeit und Transparenz einhält, um Verzerrungen zu vermeiden und zuverlässige Ergebnisse zu liefern.
• Synthetische Datengenerierung: Verwenden von fortschrittlichen Methoden zur Generierung synthetischer Daten (z. B. GANs, Datenerweiterung), um realistische, datenschutzkonforme medizinische Datensätze zu erstellen, die die realen Daten zum Training von KI-Modellen ergänzen.
• Analyse von Patientenemotionen: Integration von Techniken zur Erkennung von Emotionen, wie Gesichtserkennung, Sprachanalyse und Textmining aus Patienteninteraktionen, um emotionale Zustände zu bewerten und Behandlungspläne und Kommunikationsstrategien zu verbessern.
Mit Tools wie Python, Matlab, klassischer Signal- und Bildverarbeitung.
Robuste multimodale medizinische Zeitreihenanalyse
Die Qualität der Behandlung diverser Erkrankungen (wie Epilepsie und kardiovaskuläre Erkrankungen) wurde durch ihre Früherkennung anhand von medizinischen Messverfahren (wie EKG, EEG, EMG, PPG, CT, MRT, usw.) erheblich verbessert. Diese Messverfahren leiden leider oft unter Artefakten und fehlenden Sensoren, sodass sie nur verrauschte und unvollständige Daten liefern. Wir forschen deshalb an robusten Algorithmen, die mit diesen Artefakten umgehen können, und fehlende Information u.a. durch die Fusion mit anderen Modalitäten ergänzen können.
Mögliche Themenfelder zur Bearbeitung sind:
- Robust Machine Learning & Interpretability
- Methoden zur Sensorfusion (Kameras, Wearables, …)
- Unsupervised / Self-supervised Learning für Zeitreihen
- Transfer learning zwischen unterschiedlichen Modalitäten
Empfohlen werden Kenntnisse in Python und Signalverarbeitung. Theoretische Kenntnisse zu Machine Learning / Deep Learning können bei einigen Themen von Vorteil sein.
Vitalparameter wie Puls und Atmung sind wichtige Indikatoren für diverse Erkrankungen und den allgemeinen Gesundheitszustand des Menschen. Die Goldstandardmethoden, wie Elektrokardiographie zur Überwachung des Herzens, setzen zumeist Kontakt zum Patienten voraus, z.B. in Form von Klebeelektroden. Wir forschen an Möglichkeiten diese, wo möglich, durch Kameras zu ersetzen.
Mögliche Themenfelder zur Bearbeitung sind:
- Machine Learning & Interpretability
- Multiphysics Simulationen und Rendering synthetischer Videodaten
- Methoden zur Sensorfusion (Kameras, Wearables, …)
- Photoplethymography Imaging
- Robuste Schätzung der Herzratenvariabilität
Empfohlen werden Kenntnisse in Python (oder alternativ Matlab) und Signalverarbeitung. Kenntnisse in Blender oder Unreal Engine können bei einigen Themen von Vorteil sein.
Stress ist eine häufige Ursache für Schlafprobleme, Konzentrationsstörungen, Depressionen oder sogar kardiovaskuläre Erkrankungen. Während Stress oft rein subjektiv beurteilt wird, arbeiten wir daran, Vitalparameter zu erfassen, um eine quantitative Aussage über das Wohlbefinden der Person zu treffen. Die Vitalparameter sollen primär nicht-invasiv erfasst werden, um einen möglichst angenehmen Umgang für den Endnutzer zu ermöglichen. Darüber hinaus kann so auch Stress bei Menschen erfasst werden, die nicht in der Lage sind, dies selbstständig zu artikulieren, wie zum Beispiel Neugeborene oder Menschen mit Behinderungen.
Während sich die Forschung hauptsächlich auf die Stressentwicklung durch akustische Stimuli, wie Lärm, konzentriert, ist sie nicht darauf beschränkt. Mögliche Anwendungsgebiete sind die kontaktlose Parametererfassung am Arbeitsplatz, im Auto oder im Bett. Die Auswertung der Parameter soll vorwiegend mithilfe von Machine Learning Algorithmen erfolgen.
Mögliche Themen:
- Nicht-invasive Vitalparameterschätzung basierend auf cECG, Thermographiekamera und PPGI
- Sensor Fusion für robuste Parameterschätzung
- Quantitative Analyse von Stress
- Anwendung von Machine Learning mit Fokus auf Computer Vision und Signalverarbeitung
- Implementierung von Virtual Reality Umgebungen für Testaufbauten
Empfohlen werden Programmierkenntnisse in Python oder Matlab. Falls ein Thema im Bereich VR gesucht wird, empfiehlt es sich, Kenntnisse in C# und Unity Programmierung mitzubringen.
Physiotherapie ist ein wichtiger Bestandteil in der Behandlung vieler Verletzungen und Krankheiten. Im Idealfall wird die Physiotherapie unter Aufsicht einer medizinischen Fachkraft durchgeführt, die individuelles und unmittelbares Feedback geben kann. Aber auch ohne direkte Aufsicht können Übungen zu Hause dem Heilungsprozess förderlich sein. Gleichzeitig können falsche Ausführungen, Fehleinschätzungen des eigenen Fitnessniveaus und Überanstrengung auch zu einem ineffizienten Training oder schlimmer noch zu schweren Verletzungen führen.
Um diese Probleme zu entschärfen, kann ein automatisiertes Bewertungssystem eingesetzt werden, um die Qualität der Übungsausführung zu beurteilen und den Bedarf an menschlicher Aufsicht zu verringern. Aufbauend auf den Fortschritten im Bereich der Computer Vision forschen wir daran, mithilfe von videobasierter Schätzung der menschlichen Körperhaltung solche Unterstützungssysteme zu entwickeln.
Mögliche Themenfelder zur Bearbeitung sind:
- Natural Language Processing zur automatisierten Generierung von Trainingsdaten aus Videos mit Untertiteln
- Analyse von Sensordaten (EMG, Kraftmessplatten, IMUs) und Relation zu Kameraaufnahmen
- Erarbeitung Biomechanischer Modelle menschlicher Bewegung
- Erarbeitung von Methoden zur quantitativen Bewertung menschlicher Bewegung
- Machine Learning & Computer Visison
- Transfer Learning & Domain Adaption (Übertragung auf Infrarotkameras)
Empfohlen werden Kenntnisse in Python (oder alternativ Matlab) und Signalverarbeitung. Kenntnisse in Blender können bei einigen Themen von Vorteil sein.
Video-based Human State Analysis refers to the use of video footage to assess and interpret the physical, emotional, or psychological states of individuals. This involves analyzing visual data captured by cameras to derive insights about a person's behavior, emotions, actions, or overall well-being.
Possible topics:
- Methods for detecting/tracking human limb movements to correlate with the individual's current state
- Methods for human reflex analyses
- Quantitative analysis of human emotional state
- Machine learning and computer vision
Using tools such as Python, Matlab, classical signal, and image processing
Außergewöhnlich gute Abschlussarbeiten
An dieser Stelle präsentieren wir Abschlussarbeiten, die uns außergewöhnlich gut gefallen haben. Damit wollen wir zum einen die exzellente Leistung der Autorinnen und Autoren würdigen, zum anderen Beispiele für zukünftige Studierende bereitstellen.
Titel | Jahr | Art | Autorin/Autor |
---|---|---|---|
(wird in neuem Tab geöffnet) Multimodale Registrierung und Analyse von Infrarot- und Tiefenkameradaten | 2022 | Bachelor | Larissa Werner |
(wird in neuem Tab geöffnet) Schätzung Menschlicher Posen aus Wärmebildern mit Hilfe Neuronaler Netze nach dem Stand der Technik | 2023 | Bachelor | Julian Imhof |
(wird in neuem Tab geöffnet) Machbarkeitsanalyse zur Bildgebung mittels miniaturisierte Elektrische Impedanz-Tomographie | 2024 | Bachelor | Emily Reinhold |
(wird in neuem Tab geöffnet) Improving feature extraction for camera-based motion analysis using trajectory similarity | 2024 | Master | Malte Mai |
(wird in neuem Tab geöffnet) Entwicklung und Optimierung einer bewegungssensitiven adaptiven ROI-Extraktion für die remote- Photoplethysmographie | 2024 | Master | Philipp Witulla |
Außergewöhnlich gute Abschlusspräsentationen
Titel | Jahr | Art | Autorin/Autor |
(wird in neuem Tab geöffnet) Sensorfusion zur Bewegungsanalyse von physiotherapeutischen Übungen | 2024 | Bachelor | Luise Herrmann |
Abgeschlossene Arbeiten
Thema | Bachelor/Master | Status | Betreuer |
---|---|---|---|
Pattern Recognition in the Capacitive Electrocardiogram and Reconstruction of the Reference Electrocardiogram |
Master |
abgeschlossen | Maurice Rohr |
Machine Learning in der EKG-Diagnostik – Auswirkungen von typischen Fehlern auf Klassifikatoren |
Bachelor | abgeschlossen | Maurice Rohr |
Robust Non-Contact Vital Sign Monitoring of Sleep Lab Patients Using Image Fusing and Deep Learning | Master | abgeschlossen |
Maurice Rohr |
Konzeption und Implementierung einer RISC-V-KI-Erweiterung für die effiziente Auswertung von EKG-Daten | Master | abgeschlossen |
Maurice Rohr |
Analysis and Optimization of Photoplethysmography Imaging Methods for Non-Contact Measurement of Heart Variability Parameters | Master | abgeschlossen | Maurice Rohr |
KI-gestützte Bewegungsanalyse basierend auf Thermographie- und RGB-Bildgebung | Master | abgeschlossen | Sebastian Dill |
Entwicklung und Quantifizierung einer videobasierten Analyse von Tremor | Bachelor | abgeschlossen | Christoph Hoog Antink |
Vergleich und Analyse kamerabasierter Bewegungserkennung und -bewertung | Bachelor | abgeschlossen | Sebastian Dill |
Untersuchungen zur Kontaktzeitschätzung im Straßenverkehr bei Nutzern von Cochlea-Implantaten | Bachelor | abgeschlossen | Christoph Hoog Antink |
HRV Parameter Estimation from PPG and BCG Signal Fusion and Deep Learning | Master | abgeschlossen | Maurice Rohr |
Improving Gesture Recognition by Utilizing Sensor Fusion of EMG and Force Myography | Bachelor | abgeschlossen | Maurice Rohr |
Automatisierte Bewegungsbewertung mithilfe von Natural Language Processing | Bachelor | abgeschlossen | Sebastian Dill |
Messaufbau zur kontaktlosen Atemmessung mittels Kamera-basierter Verfahren | Bachelor | abgeschlossen | Maurice Rohr |
Multimodale Registrierung und Analyse von Infrarot- und Tiefenkameradaten | Bachelor | abgeschlossen | Maurice Rohr |
Robuste Segmentierung von Phonocardiogrammen | Bachelor | abgeschlossen | Maurice Rohr |
Generation of Features from Phonocardiograms and Analysis of Their Impact on Heart Murmur Detection with Machine Learning Models | Master | abgeschlossen | Maurice Rohr |
Erkennung epileptischer Anfälle aus EEG- und Kameradaten | Master | abgeschlossen | Sebastian Dill |
Kamerabasierte Bewegungsanalyse und -bewertung als Optimierungsproblem | Bachelor | abgeschlossen | Sebastian Dill |
Quantitative Analyse zur Genauigkeit von Posenschätzung aus Videodaten | Master | abgeschlossen | Sebastian Dill |
Posenschätzung auf Thermographiekameradaten mithilfe von Transfer Learning | Master | abgeschlossen | Sebastian Dill |
Charakterisierung und Erprobung von Sacrificial Materials für ihren Einsatz in der Biofabrikation | Bachelor | abgeschlossen | Christoph Hoog Antink |
Entwicklung eines Python-basierten GUI zur Visualisierung und Auswertung von Biosignalen in Echtzeit | Bachelor | abgeschlossen | Christoph Hoog Antink |
Charakterisierung der mechanischen und adhäsiven Eigenschaften von faserverstärken biogedruckten Muskelgeweben | Bachelor | abgeschlossen | Christoph Hoog Antink |
Aufbau und Evaluation einer Matlab-Toolbox zur Durchführung von psychoakustischen Hörversuchen bei Nutzern von Cochlea-Implantat Systemen | Bachelor | abgeschlossen | Christoph Hoog Antink |
Kontrolle der Zellorientierung durch elektrische Feldstimulation im 3D-Biodruck | Bachelor | abgeschlossen | Christoph Hoog Antink |
Hierarchische Kontextualisierung von Bewegungs-Primitiven für eine sichere Mensch-Roboter-Interaktion | Master | abgeschlossen | Christoph Hoog Antink |
Optimierung der Kraftmessung bei FSR Sensoren unter Berücksichtigung der Materialwahl zur Anwendung in Einlagesohlen bei Parkinson-Patienten | Bachelor | abgeschlossen | Christoph Hoog Antink |
Herstellung und in-vitro Evaluation der Freisetzungskinetik von Dexamethason-Polylaktat-Komposit Prüfkörpern | Bachelor | abgeschlossen | Christoph Hoog Antink |
Implementation of a Python Based Demonstrator and Comparison of Different PPGI-Algorithms | Bachelor | abgeschlossen | Maurice Rohr |
Analyse des Einflusses von Umgebungseffekten auf die Pulsschätzung mittels remote Photoplethysmographie durch 3D-Simulation | Bachelor | abgeschlossen |
Maurice Rohr |
Entwicklung eines automatisierten Audiometers mittels Spracherkennung und -verarbeitung | Bachelor | abgeschlossen | Christoph Hoog Antink |
Vergleich der Herzratenvariabilität und Pulsratenvariabilität mit Hilfe statistischer Auswertungen | Bachelor | abgeschlossen | Maurice Rohr |
Kamerabasierte 3D-Bewegungsanalyse und -bewertung als quantitatives Optimierungsproblem | Master | abgeschlossen | Sebastian Dill |
Modellierung des Rauschens einer Tiefenbildkamera zur realistischen Simulation von kontaktloser Atemüberwachung | Bachelor | abgeschlossen | Maurice Rohr |
Zeitlich Konsistente Hautmasken für die Vitalsignalschätzung | Bachelor | abgeschlossen | Maurice Rohr |
The Influence of Prior Model Knowledge on Machine Learning on Electroencephalography Time Series Data | Master | abgeschlossen | Maurice Rohr |
Entwicklung eines Open-Source-basierten Dokumentationstools für hochauflösende Vitaldaten auf der Intensivstation | Master | abgeschlossen | Christoph Hoof Antink |
Stimulation von Myoblasten in Hydrogelen durch elektrische Wechselfelder | Bachelor | abgeschlossen | Christoph Hoog Antink |
Simulative Analyse einer kamerabasierten Posenschätzung hinsichtlich Abhängigkeit von Aufnahmebedingungen und Diversität | Bachelor | abgeschlossen | Sebastian Dill |
Kamerabasierte Posenschätzung von Epilepsiepatient:innen unter schwierigen Bedingungen | Bachelor | abgeschlossen | Sebastian Dill |
Schätzung Menschlicher Posen aus Wärmebildern mit Hilfe Neuronaler Netze nach dem Stand der Technik | Bachelor | abgeschlossen | Sebastian Dill |
Medical Image Segmentation and Analysis using the MONAI Framework | Master | abgeschlossen | Christoph Hoog Antink |
Ein Rekonstruktionsverfahren für die Elektrische Impedanztomographie basierend auf maschinellem Lernen und realen Messdaten | Master | abgeschlossen | Christoph Hoog Antink |
AffordanceParts: Learning Explainable Object Parts with Invertible Neural Networks | Master | abgeschlossen | Christoph Hoog Antink |
Entwicklung und Optimierung einer bewegungssensitiven adaptiven ROI Extraktion für die remote Photoplethysmographie | Master | abgeschlossen | Maurice Rohr |
Untersuchung der tageszeitabhängigen Modulation der Ruheaktivität des menschlichen Gehirns | Bachelor | abgeschlossen | Christoph Hoog Antink |
Machbarkeitsanalyse zur Bildgebung mittels miniaturisierte Elektrische Impedanz-Tomographie | Bachelor | abgeschlossen | Christoph Hoog Antink |
Etablierung einer integrierten Widerstandsmessung in mikrofluidischen Chips | Bachelor | abgeschlossen | Christoph Hoog Antink |
Framework zur Simulation dynamischer Umgebungsveränderungen in der remote Photoplethysmographie | Bachelor | abgeschlossen | Maurice Rohr |
Qualitative und quantitative Evaluation der Nachahmung von kamerabasierten Bewegungsmuster des Menschen durch einen Roboterarm | Bachelor | abgeschlossen | Sebastian Dill |
Multimodal Emotion Recognition | Master | abgeschlossen | Gökhan Güney |
Einfluss der phsiko-chemischen Biomaterialcharacteristika auf die Osteoinduktion und Osteokonduktion im Rahmen der Knochenregeneration | Bachelor | abgeschlossen | Christoph Hoog Antink |
Untersuchungen zur Klangqualität von Sprache und Musik bei Patienten mit CI-Versorgung bei einseitiger Taubheit | Bachelor | abgeschlossen | Christoph Hoog Antink |