Signal and Image Data Analysis in Life Sciences (SIDA-LS)
Die Verarbeitung von Sensor- und bildbezogenen Daten in den unterschiedlichsten Lebensbereichen hat sich die Arbeitsgruppe Signal and Image Data Analysis in Life Sciences (kurz: SIDA-LS) zur Aufgabe gemacht. Dabei werden mit Hilfe von Beteiligten aus verschiedenen Kompetenzbereichen aus Wirtschaft und Forschung Workflows modelliert und entwickelt, durch die relevante Parameter systematisch erhoben werden. Durch eine Datenanalyse auf Basis Maschinellen Lernens (ML) und Künstlicher Intelligenz (KI) soll die Gestaltung digitaler Anwendungen und Produkte in den verschiedenen Themenbereichen realisiert werden.
Aus den so gewonnenen und analysierten Daten werden dabei bspw. Data-Science-Verfahren zur Steigerung der Lebensqualität untersucht oder konkrete Algorithmen zur Automatisierung von Abläufen entwickelt. Die daraus entstehenden, datengetriebenen Methoden können dabei in bestehende Prozesse integriert sowie in die Entwicklung neuer Produkte fließen. Zu jedem Zeitpunkt der Entwicklung wird hierbei auf den Austausch zu den jeweiligen Kooperationspartnern aus den unterschiedlichen Themenbereichen geachtet, um die jeweiligen Projekte einem positiven Abschluss mit zusätzlichem Erkenntnisgewinn zuzuführen.
Ulf-Dietrich Braumann arbeitet seit mehr als 30 Jahren in forschungsorientierten Projekten auf dem Gebiete der Bild- und Signalverarbeitung, darunter zunächst in der Neuroinformatik und Robotik (TU Ilmenau), der klinischen Strahlentherapie (Univ. Würzburg), in Histopathologie, Radiologie und Immunologie sowie weiteren interdisziplinär angelegten lebenswissenschaftlichen Kontexten (Univ. Leipzig, HTWK Leipzig, Fraunhofer IZI). Seit 2023 ist er am InfAI, von wo aus er zudem ein institutionsübergreifendes, SAB-gefördertes InnoTeam „Maschinelle Intelligenz zur objektiven Bestimmung individueller Lebensqualität (MI-LQ)“ leitet, in dem u.a. tragbare Sensorik zum Monitoring der Herzregulation eingesetzt wird, um objektiv Aufschluss über die individuelle arbeitszufriedenheitsbezogene Lebensqualität zu bekommen.
Adressierte Forschungsbereiche:
- Life Science Engineering
- Data Science
- ML/KI-gestützte sowie klassische Bildverarbeitung und -klassifikation
Angewandte Technologien:
- Bildverarbeitung und die Analyse bildbezogener Daten
- Signalableitung und -auswertung Kontaktsensortechnologie
- Entwicklung und Implementierung von Analysemodellen unter Verwendung von ML/KI-Methoden