Hier werden die Unterschiede zwischen zwei Versionen angezeigt.
| Beide Seiten der vorigen Revision Vorhergehende Überarbeitung Nächste Überarbeitung | Vorhergehende Überarbeitung | ||
|
lehrstuhl:mitarbeiter:kruschewsky [2023/02/24 12:59] kruschewsky [Forschung] |
lehrstuhl:mitarbeiter:kruschewsky [2024/06/04 00:45] (aktuell) kruschewsky [Betreute Arbeiten] |
||
|---|---|---|---|
| Zeile 18: | Zeile 18: | ||
| \\ | \\ | ||
| ===== Forschung ===== | ===== Forschung ===== | ||
| - | Meine Forschung findet aktuell ohne Projektbindung statt. Hierbei befasse ich mich vor allem mit den zwei Aspekten "Explainability" und "Fehlererkennung" in intensivmedizinischen Daten. \\\\ | + | Meine Forschung findet aktuell ohne Projektbindung statt. Hierbei befasse ich mich vor allem mit den zwei Aspekten "Explainability" und "Fehlererkennung" in intensivmedizinischen Daten. \\ \\ |
| - | Explainability versucht hierbei das Verhalten von Machine-Learning Verfahren darzustellen bzw. zu erklären. Dies ermöglicht sowohl in der Konzeption, als auch in der Anwendung dank der zusätzlichen Informationen einen besseren Umgang mit den Ausgaben des Algorithmus. Bekannte Beispiele hierfür sind z.B. Saliency Maps (grafische Hervorhebungen von Bereichen, die die Ausgabe des Algorithmus am stärksten beeinflussen) und Gegenbeispiele.\\\\ | + | Explainability dient dazu das Verhalten von Machine-Learning Verfahren darzustellen bzw. zu erklären. Dies ermöglicht sowohl in der Konzeption, als auch in der Anwendung dank der zusätzlichen Informationen einen besseren Umgang mit den Ausgaben des Algorithmus. Bekannte Beispiele hierfür sind z.B. Saliency Maps (grafische Hervorhebungen von Bereichen, die die Ausgabe des Algorithmus am stärksten beeinflussen) und Gegenbeispiele.\\ \\ |
| Eine Fehlererkennung ist bei intensivmedizinischen Daten notwendig, da diese meistens automatisiert gesammelt und aufgrund der Menge nicht händisch kontrolliert werden. Um in folgenden Anwendung die Datenqualität möglichst gut kontrollieren zu können müssen diese Fehler somit retrospektiv erkannt und korrigiert werden. Hierzu ist an unserem Lehrstuhl auch die sogenannte "Novelty Detection Analysis Software" in Entwicklung. | Eine Fehlererkennung ist bei intensivmedizinischen Daten notwendig, da diese meistens automatisiert gesammelt und aufgrund der Menge nicht händisch kontrolliert werden. Um in folgenden Anwendung die Datenqualität möglichst gut kontrollieren zu können müssen diese Fehler somit retrospektiv erkannt und korrigiert werden. Hierzu ist an unserem Lehrstuhl auch die sogenannte "Novelty Detection Analysis Software" in Entwicklung. | ||
| + | \\ \\ | ||
| Aktuelle Abschlussarbeiten in diesen Bereichen werden auf der [[lehre:abschlussarbeiten|Abschlussarbeiten-Seite]] ausgeschrieben. Bei konkreteren Anfragen bzw. Nachfragen bin ich per Mail zu erreichen. | Aktuelle Abschlussarbeiten in diesen Bereichen werden auf der [[lehre:abschlussarbeiten|Abschlussarbeiten-Seite]] ausgeschrieben. Bei konkreteren Anfragen bzw. Nachfragen bin ich per Mail zu erreichen. | ||
| Zeile 28: | Zeile 28: | ||
| Nach Vereinbarung | Nach Vereinbarung | ||
| + | ===== Lehre ===== | ||
| + | |||
| + | | **Semester** | **Titel** | **Art** | | ||
| + | | Sommersemester 24 | [[lehre:sose24:seminar]] | S | | ||
| + | | ::: | [[lehre:sose24:proseminar]] | S | | ||
| + | | Wintersemester 23/24 | [[lehre:wise2324:technische_informatik]] | VL | | ||
| + | | ::: | [[lehre:wise2324:seminar]] | S | | ||
| + | | ::: | [[lehre:wise2324:proseminar]] | S | | ||
| + | | Sommersemester 23 | [[lehre:sose23:emsy]] | VL | | ||
| + | | ::: | [[lehre:sose23:seminar]] | S | | ||
| + | | ::: | [[lehre:sose23:proseminar]] | S | | ||
| + | | Wintersemester 22/23 | [[lehre:wise2223:technische_informatik]] | VL | | ||
| + | | ::: | [[lehre:wise2223:psp]] | PR | | ||
| + | | ::: | [[lehre:wise2223:seminar]] | S | | ||
| + | | ::: | [[lehre:wise2223:proseminar]] | S | | ||
| + | | Sommersemester 22 | [[lehre:sose22:emsy]] | VL | | ||
| + | | ::: | [[lehre:sose22:seminar]] | S | | ||
| + | | ::: | [[lehre:sose22:proseminar]] | S | | ||
| + | | Sommersemester 21 | [[lehre:sose21:emsy]] | VL (Hiwi) | | ||
| + | | Wintersemester 20/21 | [[lehre:wise2021:technische_informatik]] | VL (Hiwi) | | ||
| + | | Sommersemester 20 | [[lehre:sose20:emsy]] | VL (Hiwi) | | ||
| + | | Wintersemester 19/20 | [[lehre:wise1920:technische_informatik]] | VL (Hiwi) | | ||
| + | | Sommersemester 19 | [[lehre:sose19:ites]] | VL (Hiwi) | | ||
| + | | Wintersemester 18/19 | [[lehre:wise1819:technische_informatik]] | VL (Hiwi) | | ||
| + | | Wintersemester 17/18 | [[lehre:wise1718:technische_informatik]] | VL (Hiwi) | | ||
| + | \\ | ||
| + | |||
| + | ===== Betreute Arbeiten ===== | ||
| + | <color #00a2e8>**WS 23/24**</color> | ||
| + | * {{ :lehre:abschlussarbeiten:akr-expose-haman.pdf | Datenaugmentationsverfahren für das Training von Algorithmen für die Erkennung von fehlerhaften Datenpunkten}} | ||
| + | * {{ :lehre:abschlussarbeiten:akr-expose-kruempelmann.pdf | Automated Concept-based Explanation als Erklärverfahren für die Fehlererkennung auf Zeitreihendaten}} | ||
| + | * {{ :lehre:abschlussarbeiten:akr-expose-bnguyen.pdf | (Master) Applicability of image-based error classification and explanation methods on time series data}} | ||
| + | * {{ :lehre:abschlussarbeiten:akr-expose-jzhao.pdf | (Master) Evaluation suite for algorithms for the detection of erroneous data points}} | ||
| + | * {{ :lehre:abschlussarbeiten:akr-expose-goennheimer.pdf | (Master) Method for the artificial generation of error annotations on time series data}} | ||
| + | * {{ :lehre:abschlussarbeiten:akr-expose-nazar.pdf | (Master) Difficulty score for detecting erroneous data points in intensive care data based on item response theory}} | ||
| + | <color #00a2e8>**SS 23**</color> | ||
| + | * {{ :lehre:abschlussarbeiten:akr-expose-treiber.pdf | (Master) Development of a Framework for post-hoc Explainability of Fault Detection in ICU-Data}} | ||
| + | <color #00a2e8>**WS 22/23**</color> | ||
| + | * {{ :lehre:abschlussarbeiten:akr-expose_klinkhart.pdf | Entwickeln eines Schwierigkeitsscores für die | ||
| + | Fehlererkennung in intensivmedizinischen Daten}} | ||
| + | * {{ :lehre:abschlussarbeiten:akr-expose_pasa.pdf | Essence Neural Network for Explainable Error Detection in | ||
| + | Intensive Care Medical Data}} | ||
| + | <color #00a2e8>**SS 22**</color> | ||
| + | * {{ :lehre:abschlussarbeiten:akr-expose-koehler.pdf | Retrospektive Klassifikation von Sepsis-Patienten in | ||
| + | intensivmedizinischen Sekundärdaten mit Machine Learning}} | ||
| + | * {{ :lehre:abschlussarbeiten:akr-expose_nguyen.pdf | (Master) Neural networks and ensemble methods for imputation of inconsistent intensive care data}} | ||
| + | ===== Publikationen ===== | ||
| + | ~~NOCACHE~~ | ||
| + | <BIBTEX: file=publikationen style=I11 sort=year filter=kruschewsky> | ||