Der Lehrstuhl für Mustererkennung (LME) ist Teil des Department Informatik
der Friedrich-Alexander-Universität Erlangen-Nürnberg. Von 1975, dem
Gründungsjahr des Lehrstuhls, bis September 2005 war Prof. Dr.-Ing. Heinrich Niemann
Lehrstuhlinhaber des LME. Im Oktober 2005 hat Prof. Dr.-Ing. Joachim Hornegger die
Leitung des Lehrstuhls übernommen. Er wird seit April 2015 von Prof. Dr.-Ing. habil. Andreas Maier vertreten.
Zum 1.4.2017 wurde die bisherige Gruppe Digitaler Sport (Prof. Björn Eskofier) in den neuen Lehrstuhl "Machine Learning and Data Analytics (MaD)" umgewandelt.
Das Ziel der Mustererkennung ist die Erforschung der mathematischen und
technischen Aspekte der Perzeption von Umwelteindrücken durch digitale
Rechensysteme. Die Umwelt wird dabei durch Sensoren erfasst - die gemessenen
Werte bezeichnet man als Muster. Die automatische Transformation der gewonnenen
Muster in symbolische Beschreibungen bildet den Kern der Mustererkennung.
Die
Mustererkennung befasst sich dabei mit allen Aspekten eines solchen Systems, von
der Akquisition der Daten bis hin zur Repräsentation der Erkennungsergebnisse.
Die Anwendungsgebiete der Mustererkennung sind sehr breit gefächert und reichen von
Industrieller Bildverarbeitung über Handschriftenerkennung, Medizinischer
Bildverarbeitung, sprachverstehenden Systemen bis hin zu Problemlösungen in der
Regelungstechnik. Die Forschungsaktivitäten am Lehrstuhl sind dabei meist interdisziplinär und auf medizinische oder gesundheitsbezogene Anwendungen fokussiert. Der Lehrstuhl hat enge Kooperationen mit Universitäten und anderen Forschungseinrichtungen oder Industriepartnern im In- und Ausland. Der Lehrstuhl ist in mehrere Bereiche untergliedert, die zum 1.7.2017 neu strukturiert wurden: Mustererkennung & Maschinelles Lernen Mustererkennung befasst sich mit der automatischen Klassifikation und Analyse von Sensoreingangsdaten. In diesem Bereich haben wir folgende Arbeitsgruppen:
Sprachverarbeitung: In gemeinsamen Projekten mit der medizinischen Fakultät werden mit Hilfe automatischer Sprachanalyse der Grad und der Verlauf von Stimm- und Sprechstörungen untersucht, vowiegend bei neurologischen Erkrankungen, wie der Parkinson-Krankheit. Weitere Arbeitsbereiche sind digitale Sprachlern-Software und automatische Erkennung von Emotionen und Stress.
Rechnersehen: Diese Arbeitsgruppe beschäftigt sich mit grundlegenden Problemen bei der Erkennung von Strukturen in Bildern. Aktuelle Themenbereiche sind die Behandlung von Farbe und Reflexionsverhalten, die Erkennung von digitalen Bildfälschungen, multispektrale Bildgebung, Fahrerassistenzsysteme, 3D-Rekonstruktion auf Grundlage strukturierten Lichts und Kapselendoskopie.
Diskrete Optimierung: Multikriterielle Optimierung mit einem Schwerpunkt auf Zeitplanungsproblemen ist der Schwerpunkt dieser Gruppe. Einsatzbereiche sind z.B. die Schulstunden- oder Personaleinsatzplanung. Zur computerunterstützten Generierung von Zeitplänen wurde am Lehrstuhl eine Software entwickelt, die es ermöglicht, die Planung unter Zuhilfenahme verschiedener Optimierungsalgorithmen durchzuführen.
Bildanalyse: Das Arbeitsgebiet ist die Gewinnung von relevanter Information aus Bilddaten. Beispiele sind die Markierung spezifischer Strukturen in 2D- und 3D-Bildern, wie z.B. die Extraktion vom Seiten in CT-Scans von Büchern, die Detektion von Läsionen in Mammographiebildern oder die Segmentierung der Luftwege im Bereich der Lunge.
Bildsegmentierung: Medizinische Bildsegmentierung ist der Prozess der (halb-)automatischen Detektion von Grenzen zwischen Strukturen in 2D- oder 3D-Bildern. Eine wesentliche Schwierigkeit liegt dabei in der großen Variation innerhalb der Bilder, die wiederum zum großen Teil durch die Variation der menschlichen Anatomie verursacht wird.
Bildfusion: In enger Kooperation mit führenden klinischen und Industriepartnern entwickelt diese Gruppe neue Methoden für die starre und nichtstarre Datenregistrierung. Aktuelle Forschungsschwerpunkte sind multimodale Bildfusion, bildgestützte Therapie, 2D/3D-Bildregistrierung und "Image Overlay"-Probleme. Die zukünftige Anwendung in der Klinik wird bei der Entwicklung mit berücksichtigt.
Medizinische Bildverarbeitung Der Forschungsbereich Medizinische Bildverarbeitung untersucht die Entstehung und Analyse von Bildern in der Medizin. Derzeit arbeiten diese Gruppen an solchen Themen:
Analytische Rekonstruktion und Konsistenz: Der Prozess der Bildgebung in der Computer-Tomographie kann mit einem Vorwärtsmodell, wie der Radon- oder Röntgentransformation beschrieben werden. Die analytische Rekonstruktion befasst sich mit ihrer Beschreibung und Umkehrung. Die Arbeitsgruppe entwirft dafür Algorithmen für Bewegungskompensation, Artefaktreduktion und 3D-Rekonstruktion.
Computer-Tomographie: Algebraische Rekonstruktion und Bewegung: Hauptarbeitsgebiete sind die algebraische Rekonstruktion und Bewegungskompensation, z.B. im Bereich der Volumenrekonstruktion der Herzkammern, des Stütz- und Bewegungsapparates, der Gehirnvolumenrekonstruktion bei Schlaganfalltherapien oder der Angiographie.
Magnetresonanz-Bildgebung: Rekonstruktion in der MR-Bildgebung ist das Arbeitsfeld dieser Gruppe. Aktuelle Projekte umfassen z.B. die Beschleunigung der Datenakquisition bei der Darstellung der Koronararterien inkl. Ausgleich der Atembewegungen, Dictionary-Learning Compressed-Sensing (DLCS) für 23Na-MR-Bildgebung und die automatische Analyse der Verteilung von Fettsäuren im Gewebe mittels MR-Daten.
Phasenkontrast-Bildgebung: Die Röntgengitter-Inferometrie findet Anwendung bei der Früherkennung von Krebs oder in der Angiographie. Sie ist kostengünstig und erlaubt den Einsatz geringer Strahlendosen. Die Phasenkontrast-Bildgebung verbessert den Kontrast in der Gewebedarstellung durch die Kombination der unterschiedlichen Ausgangssignale eines gängigen Röntgenapparates.
Ophthalmologische Bildgebung: Optische Kohärenztomografie (OCT) ist eine der wichtigsten Entwicklungen im Bereich der Retina-Bildgebung in den letzten Jahren. Forschungsschwerpunkte am Lehrstuhl sind die Verbesserung von Signalrekonstruktion und Bewegungskompensation sowie Visualisierungsprogramme und neuartige Analyse- und Segmentierungsmethoden.
"Big Data"-Anwendungen Mit der schieren Menge an "Big Data" gibt es auch neue Möglichkeiten für Mustererkennung und maschinelles Lernen. Beispiele für sind tiefes Lernen (Deep Learning) und Präzisionslernen (Precision Learning), die von folgenden Gruppen schwerpunktmäßig bearbeitet werden:
Medizinische "Big Data": Der Fokus liegt auf der Kombination von multimodaler Bildgebung und klinischen Daten zur Verbesserung der klinischen Entscheidungsfindung. Themen aktueller Projekte sind die Identifikation maligner Tumorunterarten bei Brustkrebs und die Bestimmung von Korrelationen zwischen bildbasierten Merkmalen, genetischer Ausprägung und Krankheitsstadium.
Populationsmodellierung: Hierbei handelt es sich um die Modellierung von Variationen innerhalb einer großen Datenmenge, die von vielen Individuen erhoben wurde. Die dazu verwendeten Daten reichen von Röntgenbildern bis zu DECT- und SPECT-Daten, die kombiniert mit entsprechend aufbereitetem Wissen über anatomische Strukturen zu standardisierten Modellen für den klinischen Einsatz verarbeitet werden.
Enterprise Computing: Zum Themenbereich "Big Data" wird auch die Gruppe "Unternehmensinformatik" gezählt. Sie untersucht alle Bereiche von gewerblichen Rechneranwendungen, insbesondere verteilte Anwendungen zur Verarbeitung großer Datenmengen. Forschungsschwerpunkt ist der Mainframe und dazugehöroge Techniken, wie Transaktionsverarbeitung, Virtualisierung oder Web-Anwendungen mit besonderem Augenmerk auf dem Einsatz in Unternehmen und die Ausbildung der Benutzer.
Forschungsschwerpunkte
- nicht-starre Registrierung multimodaler Bilddaten
monomodale Bildfusion zur Verlaufskontrolle bei der Tumor-Therapie Verfahren zur Schwächungskorrektur bei der SPECT-Rekonstruktion Rekonstruktion bewegter Objekte bei bekannter Projektionsgeometrie Berechnung und Visualisierung des Blutflusses in 3D-Angiogrammen Segmentierung von CT-Datensätzen 3D-CT-Rekonstruktion Bildverarbeitung für OCT-Angiografiesysteme schnelle Bildverarbeitung auf Standardgrafikkarten diskrete Tomographie Beleuchtungs- und Reflexionsanalyse Multispektrale Bildgebung Bildforensik Umgebungsanalyse für Fahrassistenzsysteme Bildverarbeitung für Röntgen-Phasenkontrastaufnahmen Aufbau-Optimierung Quantitative MR-Bildgebungsverfahren Bildgebung für Mammographie automatisierte Bildqualitätsmessung aktive unterstützende Systeme im Sport Ermüdungserkennung Mimik und Gestik Sprachsteuerung interventioneller Werkzeuge Bewertung von pathologischer Sprache Aussprachebewertung Prosodie Dialogsysteme Benutzerzustandserkennung (von Ärger über Müdigkeit bis Zögern) Bildbasierte Dokumentenanalyse
Forschungsrelevante apparative Ausstattung
- Head-Mounted Display mit integriertem Stereokamera-System
Time-of-Flight-Kamera 3D-Monitore 3D-Oberflächen-Scanner Multispektrale Kamera Biosignalrekorder Graustufenkamera GPU-Cluster
Aufgrund der engen Kooperation der Arbeitsgruppe mit den Kliniken und der Industrie besteht Zugriff auf sämtliche Modalitäten, die in der modernen Medizin heute zum Einsatz kommen. Die verfügbare Entwicklungsumgebung erlaubt die schnelle Überführung der neu entwickelten Methoden in den klinischen Test.
Kooperationsbeziehungen
- Cleveland State University: Human Motion and Control Lab, http://www.csuohio.edu
Deutsches Forschungszentrum für Künstliche Intelligenz, http://www.dfki.de Deutsche Sporthochschule Köln: Trainingswissenschaft und Sportinformatik, https://www.dshs-koeln.de/visitenkarte/einrichtung/trainingswissenschaft-und-sportinformatik École Polytechnique Fédérale de Lausanne, Laboratory of Movement Analysis and Measurement, Schweiz, http://lmam.epfl.ch Harvard Medical School, Motion Analysis Lab, Boston, USA, http://wyss.harvard.edu Stanford University, USA: Radiological Sciences Laboratory, http://rsl.stanford.edu/ Johns Hopkins University, Baltimore, USA, https://www.jhu.edu/ Massachusetts Institute of Technology (MIT): Biomedical Optical Imaging and Biophotonics Group, Boston, USA, http://www.rle.mit.edu/boib/ Universidad de Antioquia, Kolumbien: School of Engineering, http://www.udea.edu.co Università degli Studi di Napoli, Federico II: GRIP (Image Processing Research Group), http://www.grip.unina.it Universität Freiburg: Sportwissenschaften, https://www.sport.uni-freiburg.de Universität Koblenz-Landau: Institut für Computervisualistik, https://www.uni-koblenz-landau.de/de/koblenz/fb4/icv ; Institut für Psychologie, https://www.uni-koblenz-landau.de/de/koblenz/fb1/institut-psychologie Universitätsklinikum Erlangen: Augenklinik, http://www.augenklinik.uk-erlangen.de/ ; Epilepsiezentrum , http://www.epilepsiezentrum.uk-erlangen.de/ ; Hals-Nasen-Ohren-Klinik - Kopf- und Halschirurgie, http://www.hno-klinik.uk-erlangen.de/ ; Kinderklinik, http://www.kinderklinik.uk-erlangen.de/ ; Molekular-Neurologische Abteilung in der Neurologischen Klinik, http://www.molekulare-neurologie.uk-erlangen.de/ ; Nuklearmedizinische Klinik, http://www.nuklearmedizin.uk-erlangen.de/ ; Medizinische Klinik 1 - Gastroenterologie, Pneumologie und Endokrinologie, http://www.medizin1.uk-erlangen.de/ ; Medizinische Klinik 2 - Kardiologie, Angiologie, http://www.medizin2.uk-erlangen.de/ ; Neurologische Klinik, http://www.neurologie.uk-erlangen.de/ ; Phoniatrische und Pädaudiologische Abteilung in der HNO-Klinik, http://www.hno-klinik.uk-erlangen.de/phoniatrie/ ; Psychiatrische und Psychotherapeutische Klinik, http://www.psychiatrie.uk-erlangen.de/ ; Radiologisches Institut, http://www.radiologie.uk-erlangen.de/ ; Strahlenklinik, http://www.strahlenklinik.uk-erlangen.de/ ; Unfallchirurgische Abteilung, http://www.unfallchirurgie.uk-erlangen.de/ ; Urologische Klinik, http://www.urologie.uk-erlangen.de/ Universität Erlangen-Nürnberg: Erlangen Centre for Astroparticle Physics (ECAP), http://www.ecap.physik.uni-erlangen.de ; Institut für Sportwissenschaft und Sport (ISS; Public Health und Bewegung, Bewegung und Gesundheit, Bildung im Sport, Sport- und Bewegungsmedizin), https://www.sport.fau.de ; Zentralinstitut für Medizintechnik (ZIMT), http://zimt.uni-erlangen.de Universität Stuttgart: Institut für Visualisierung und Interaktive Systeme (VIS), https://www.vis.uni-stuttgart.de/institut.html University of Calgary, Kanada: Human Performances Lab, http://www.ucalgary.ca/hpl The University of Newcastle, Australia: Newcastle Robotics Lab, http://robots.newcastle.edu.au University of Utah, USA: Utah Center for Advanced Imaging Research, http://www.ucair.med.utah.edu/ Johannes Gutenberg-Universität Mainz: Lehrstuhl für Buchwissenschaft, https://www.buchwissenschaft.uni-mainz.de/ Westböhmische Universität, Pilsen, Tschechische Republik, https://www.zcu.cz/ Tschechische Technische Hochschule (CVUT), Prag, Tschechische Republik, https://www.cvut.cz/ Germanisches Nationalmuseum, Nürnberg, https://www.gnm.de/ École polytechnique fédérale de Lausanne (EPFL), Lausanne, Schweiz, https://www.epfl.ch/ Freie Universität Berlin, https://www.fu-berlin.de/ Technische Hochschule Nürnberg Georg Simon Ohm, https://www.th-nuernberg.de/ Ostbayerische Technische Hochschule Amberg-Weiden, https://www.oth-aw.de/
Industriepartner:
adidas AG, http://www.adidas.com/de Astrum IT, http://www.astrum-it.de Bosch Sensortec, https://www.bosch-sensortec.com Chimaera GmbH, http://www.chimaera.de codemanufaktur GmbH, https://codemanufaktur.com da:nova GmbH, https://www.danova.de Fraunhofer IIS, http://www.iis.fraunhofer.de/ Interactive Wear: http://www.interactive-wear.de/cms Metrilus GmbH, http://www.metrilus.de/ Robert Bosch GmbH, http://www.bosch.com Saab Medav Technologies, http://www.medav.de Siemens Healthcare, http://www.healthcare.siemens.com Siemens Forschung und Entwicklung, http://www.scr.siemens.com Sympalog, http://www.sympalog.de
VeröffentlichungsreihenDie Veröffentlichungen des Lehrstuhls befinden sich auf der lehrstuhleigenen Homepage unter https://www5.cs.fau.de/publications .
| Leitung
Prof. Dr.-Ing. habil. Andreas Maier
Emeritus
Prof. em. Dr.-Ing. Dr.-Ing. h.c. Heinrich Niemann
Prof. Dr.-Ing. Elmar Nöth
Sekretariat
Annette Birk
Alexandra Hauske
Klaudia Schuller
Leitung Computer Vision (CV)
Dr.-Ing. Vincent Christlein
Computer Vision (CV)
Sheethal Bhat
Dr.-Ing. Vincent Christlein
Marcel Dreier, M. Sc.
Thomas Gorges, M. Sc.
Nora Gourmelon, M. Sc.
Florian Kordon, M. Sc.
Sonja Kunzmann, M. Sc.
Martin Leipert, M. Sc.
Martin Mayr, M. Sc.
Zhaoya Pan, M. Sc.
Aniol Serra Juhé, M. Sc.
Mathias Seuret, M. Sc.
Aline Sindel, M. Sc.
Aleksandra Thamm, M. Eng.
Frauke Wilm, M. Sc.
Fei Wu
Sally Zeitler, M. Sc.
Mathias Zinnen, M. Sc.
Leitung Precision Learning (PL)
Dr.-Ing. Yixing Huang
Precision Learning (PL)
Tristan Gottschalk, M. Sc.
Dr.-Ing. Yixing Huang
Image Analysis (IMA)
Dr. rer. medic. Soroosh Arasteh, M. Sc.
Dr.-Ing. Siming Bayer, M. Sc.
Viktor Haase, M. Sc.
Lennart Husvogt, M. Sc.
Arpitha Ravi, M. Sc.
Magnetic Resonance Imaging (MRI)
Lukas Folle, M. Sc.
Fasil Gadjimuradov, M. Sc.
Julian Hoßbach, M. Sc.
Andrzej Liebert, M. Sc.
Laura Pfaff, M. Sc.
Manuel Schneider, M. Sc.
Matthias Utzschneider, M. Sc.
Zijin Yang, M. Sc.
Seung Su Yoon, M. Sc.
Leitung Image Fusion (IMF)
Tobias Geimer, M. Sc.
Image Fusion (IMF)
Prof. Dr.-Ing. Katharina Breininger
Stefan Ploner, M. Sc.
Leitung Inverse Problems and Applications (IPA)
Mareike Thies, M. Sc.
Inverse Problems and Applications (IPA)
Fuxin Fan, M. Sc.
Florian Goldmann
Manuela Goldmann, M. Sc.
SeyedMohammad Jafari, M. Sc.
Noah Maul, M. Sc.
Siyuan Mei
Daniel Mosig, M. Sc.
Merlin Nau, M. Sc.
Junaid Rasool Rajput, M. Sc.
Maximilian Rohleder, M. Sc.
Linda-Sophie Schneider, M. Sc.
Yipeng Sun, M. Sc.
Mareike Thies, M. Sc.
Nastassia Vysotskaya
Chengze Ye, M. Sc.
Leitung Phase Contrast Imaging (PCI)
PD Dr.-Ing. Christian Riess
Phase Contrast Imaging (PCI)
PD Dr.-Ing. Christian Riess
Population Modelling (PM)
Maximilian Reymann, M. Sc.
Karthik Shetty, M. Sc.
Leitung Cognitive Computational Neuroscience (CCN)
Dr. rer. nat. Patrick Krauß
Cognitive Computational Neuroscience (CCN)
Nikola Kölbl, M. Sc.
Dr. rer. nat. Patrick Krauß
Paul Stöwer, M. Sc.
Sprachverarbeitung (SAGI)
Dr. rer. medic. Soroosh Arasteh, M. Sc.
Tomas Arias Vergara, M. Sc.
Alexander Barnhill, M. Sc.
Dr. phil. Anton Batliner
Prof. Dr.-Ing. Christian Bergler
Carlos Ariel Ferrer-Riesgo, Ph.D.
Abner Hernandez, M.A.
Dipl.-Inf. Thomas Janu
Philipp Klumpp, M. Sc.
Prof. Dr.-Ing. Elmar Nöth
Paula Andrea Pérez-Toro, M. Sc.
Hendrik Schröter, M. Sc.
Dipl.-Ing. Fadi Sindran
Martin Strauß, M. Sc.
Juan Camilo Vasquez Correa, M. Sc.
Unternehmensinformatik
Sebastian Wind, M. Sc.
Leitung Learning Approaches for Medical Big Data Analysis (LAMBDA)
Dr.-Ing. Daniel Stromer
Learning Approaches for Medical Big Data Analysis (LAMBDA)
Adarsh Bhandary Panambur, M. Sc.
Sheethal Bhat
Lukas Buess, M. Sc.
Eduardo Castaneda
Mingxuan Gu, M. Sc.
Oliver Haas, M. Sc.
Saahil Islam, M. Sc.
Srikrishna Jaganathan, M. Sc.
Timo Klemm, M. Sc.
Florian Kordon, M. Sc.
Sonja Kunzmann, M. Sc.
Chang Liu, M. Sc.
Celia Martín Vicario, M. Sc.
Noah Maul, M. Sc.
Dr.-Ing. Felix Meister
Mathias Öttl, M. Sc.
Kai Packhäuser, M. Sc.
Arpitha Ravi, M. Sc.
Leonhard Rist, M. Sc.
Luis Carlos Rivera Monroy, M. Sc.
Annette Schwarz, M. Sc.
Dr.-Ing. Daniel Stromer
Dr.-Ing. Florian Thamm
Linda Vorberg, M. Sc.
Learning Approaches for Vascular Analysis (LAVA)
Dr.-Ing. Felix Denzinger
Celia Martín Vicario, M. Sc.
Noah Maul, M. Sc.
Dr.-Ing. Felix Meister
Leonhard Rist, M. Sc.
Dr.-Ing. Florian Thamm
Leitung Data Processing for Utility Infrastrucure (DPUI)
Dr.-Ing. Siming Bayer, M. Sc.
Data Processing for Utility Infrastrucure (DPUI)
Dr.-Ing. Siming Bayer, M. Sc.
Julian Oelhaf, M. Sc.
Adithya Ramachandran, M. Sc.
M.Sc. passt. Dominik Stecher
Mohammad Moataz Tolba, M. Sc.
Lehrbeauftragte
Dr. rer. nat. Achim Schilling
Nichtwiss. Personal
Annette Birk
Sven Grünke
Alexandra Hauske
Klaudia Schuller
Praktikanten
Farnaz Khun Jush, M. Sc.
|