Interdisciplinary Design and Implementation of a Database centered around a Novel, Multi-modal 3D Reconstruction Data Type for Achalasia Diagnosis and Treatment to Enhance Statistical 伟德国际_伟德国际1946$娱乐app游戏ical Research Anticipating the Future Application of Artificial Intelligence?

Masterarbeit, Januar 2025

Die Masterarbeit ist im Bereich Datenbanken angesiedelt. Im Rahmen eines Projekts zur Entwicklung einer prototypischen medizinischen Software zur Unterstützung von Diagnose, Therapie und medizinischer Forschung der seltenen Krankheit Achalasie – einer Motilit?tsst?rung der Speiser?hre, wurde eine multi-funktionale Datenbank designed, sowie ein Prototyp implementiert, inklusive GUI-Erweiterung zur Eingabe der komplexen klinischen Struktur medizinischer Abl?ufe. Somit wurde basierend auf Informationen aus enger Zusammenarbeit mit einer Gastroenterologin ein Entity-Relationship (ER) Modell entwickelt, welches diese klinische Realit?t von Achalasie Patienten abbildet. Au?erdem kann die Datenbank multi-modale klinische Rohdaten aufnehmen, sowie den neuen Datentyp, eine mit Druckwerten gekennzeichnete 3D-Rekonstruktion der Speiser?hre, welche das Zentrum der EsophagusVisualization Software bildet. Die Datenbank hat das Ziel alle notwendigen Daten aufzunehmen um fortlaufend medizinische Forschung zu gew?hrleisten. Au?erdem sollen mit einem stetig weiterwachsenden Datensatz die Anwendung von KI-Szenarien erm?glicht werden: 1) Generative KI (GenAI) zur automatischen Kreation der 3D-Rekonstruktion, sowie 2) Clinical Decision Support (CDSS) von personalisierten Therapieempfehlungen.

?

Oesophageal Segmentation using Barlow Twins and Multi-label Annotation in the context of the Rare Disease Achalasia - A Self-Supervised Learning Approach

Bachelorarbeit, Januar 2025

Die Bachelorarbeit ist im Bereich Machine Learning angesiedelt. Konkret wurde ein Segmentierungs-Modell entwickelt, im Rahmen eines Projekts zur Entwicklung einer prototypischen medizinischen Software zur Unterstützung von Diagnose, Therapie und medizinischer Forschung der seltenen Krankheit Achalasie – einer Motilit?tsst?rung der Speiser?hre. Der Zwischenschritt diesen Beitrags zielt darauf ab den Workflow der Interaktion des medizinischen Nutzers mit der Software zu optimieren. Durch menschliche Nutzereingaben und multi-modale Daten wird eine 3D-Rekonstruktion der Speiser?hre generiert. Ein Eingabedatentyp sind Timed Barium Esophagogram (TBE) Bilder (= R?ntgenbild des ?sophagus mit Kontrastmittelflüssigkeit). Die medizinische Nutzerin zeichnet darin die Form des ?sophagus ein, als Grundlage zur 3D-Rekonstruktion. Basierend auf der Bachelorarbeit wurde ein prototypisches Segmentierungsmodell integriert, welches diesen Zwischenschritt optimiert. Hierzu wurden verschiedene Herangehensweisen ausgew?hlt, getestet und optimiert – unter der Herausforderung, dass nur sehr wenig gelabelte Daten (85) zur Verfügung stehen. Eine finale Modellarchitektur basierend auf dem State-of-the-Art nn-Unet wurde als best-performende Variante in das Tool integriert.

?

?

?

Prompt Engineering im Rahmen einer Automatisierten Beantwortung von Kundenanfragen - Konzept und Prototypische Umsetzung

Bachelorarbeit, Mai 2024

Die Bachelorarbeit impliziert die Entwicklung eines Prototyps zum ersten Testen und Evaluieren von LLM-Integration in einem mittelst?ndischen Unternehmen anhand der OpenAI API und stellt eine?sinnvolle Kooperation von Forschung und Wirtschaft dar. In Zusammenarbeit mit der exali AG soll die Performanz von LLMs im Kontext der Beantwortung von Kundenanfragen in der IT-Versicherungsbranche bewertet werden. Das Unternehmen, unterstützt die Arbeit mit Daten, Dom?nenwissen, sowie einem Team an unterschiedlichen Experten für Konzeption und Evaluation des Prototyps. In diesem Kontext wurde eine methodische Struktur entwickelt, geplant und umgesetzt, wie mit Herausforderungen wie Datenknappheit (synthetische LLM-basierte Generation), wirtschaftlichen Anforderungen (Pricing Model, Datensicherheit, …)? und Art der Evaluation (technisch und menschlich) umgegange werden kann, um eine Prognose für das Unternehmen bezüglich Sinnhaftigkeit dieses Anwendungsszenarios zu treffen.?

?

ResearchConnect - A Smart Web-Application to Enhance Interdisciplinary Work through Intelligent Matching of Scientists based on their Disciplines

Bachelorarbeit, Januar 2024

Die Bachelorarbeit behandelt die interessante Fragestellung, wie man interdisziplin?res Arbeiten technisch unterstützen kann. Hierzu wird zun?chst kurz die Relevanz interdisziplin?rer Arbeit in der Forschung thematisiert, sowie auf aktuelle Herausforderungen eingegangen. Am Beispiel der Website der Universit?t Augsburg wurde ein Prototyp in Form einer intelligenten Webanwendung entwickelt: ResearchConnect. Diese erm?glicht es, basierend auf einer intelligenten semantischen Suche anhand der Eingabe eines bspw. Forschungsgebiets weitere Forschende zu finden, die sich mit ?hnlichen Themen besch?ftigen, wobei die Informationen von den ?ffentlichen Seiten der Mitarbeiterinnen und Mitarbeiter gescraped werden.

?

?

?

?

Evaluation von XAI-Algorithmen mithilfe Szenariobasierter Fokusgruppen

Masterarbeit, November 2023

Diese Masterarabeit ist in einem interdisziplin?ren Bereich angesiedelt und zielt darauf ab, die Eignung von szenariobasierten Fokusgruppen, einer Methodik aus den Sozialwissenschaften, zur Evaluation von Techniken im Bereich der Erkl?rbaren Künstlichen Intelligenz (Explainable AI, XAI) zu untersuchen. Vor dem Hintergrund der zunehmenden Komplexit?t von Systemen der Künstlichen Intelligenz (KI) und der damit verbundenen Undurchsichtigkeit der Ausgaben, die von den eingesetzten Modellen erzeugt werden, stellt sich die Frage nach Bewertungsans?tzen für XAI-Methoden, insbesondere aus der Perspektive verschiedener Stakeholder. Trotz der Entwicklung zahlreicher XAI-Methoden fehlen bisher umfassende Evaluationsm?glichkeiten für solche Techniken, speziell aus der Sicht der Nutzenden. Dabei wird in der Mastarbeit die Verknüpfung von sozialwissenschaftlichen Forschungsmethoden mit der Bewertung von XAI-Techniken als m?glicher L?sungsansatz betrachtet.

Die Anwendung von szenariobasierten Fokusgruppen, die bereits in verschiedenen Disziplinen etabliert sind, auf das Feld der XAI bildet den Kern dieser Arbeit. Hierzu wurden zwei Fokusgruppen mit unterschiedlichen Stakeholdergruppen – Studierende der Humanmedizin und KI-Entwickler:innen – durchgeführt. Den Teilnehmenden wurde ein Szenario pr?sentiert, welches die hypothetische Anwendung eines KI-gestützten 12-Kanal-EKGs zur Diagnose von verschiedenen Herzrhythmen beschreibt. Das Grundszenario wurde in zwei Eskalationsstufen erg?nzt, indem jeweils eine ansteigende Menge an Informationen und Erkl?rungen der KI an die Teilnehmenden gegeben wurde. Die Fokusgruppen hatten die Aufgabe, diese Situationen zu diskutieren und zu bewerten.