Logo ZeTeM

Zentrum für Technomathematik

ZeTeM > Forschung und Anwendungen > Projekte > SPAplus: Small Data Probleme in der digitalen Pathologie und programmbegleitende Maßnahmen

Kontakt Sitemap Impressum [ English | Deutsch ]

SPAplus: Small Data Probleme in der digitalen Pathologie und programmbegleitende Maßnahmen

Arbeitsgruppe:AG Technomathematik
Leitung: Prof. Dr. Dr. h.c. Peter Maaß ((0421) 218-63801, E-Mail: pmaass@math.uni-bremen.de )
Bearbeiter: Dr. Lena Hauberg-Lotte ((0421) 218-63807, E-Mail: hauberg@math.uni-bremen.de)
José Carlos Gutiérrez Pérez ((0421) 218 63821, E-Mail: josecarl@uni-bremen.de)
Projektförderung: BMBF, Mathematik für Innovationen
Projektpartner: Dr. Dennis Trede, Scils, Zweigniederlassung Bremen der Bruker Daltonik GmbH
Prof. Dr. Jörg Lücke, Carl von Ossietzky Universität Oldenburg
Prof. Dr. Michael Möller, Universität Siegen
Dr. Boris Krostitz, Deutsche Bahn AG
Prof. Dr. Jörg Kriegsmann, Proteopath GmbH, Trier
Laufzeit: 01.04.2020 - 31.03.2023
Bild des Projekts SPAplus: Small Data Probleme in der digitalen Pathologie und programmbegleitende Maßnahmen Industrie und Wirtschaft nennen branchenübergreifend im Zusammenhang mit Big Data Anwendungen und maschinellem Lernen (ML) zwei Problemfelder: Zum einen wird das Fehlen hinreichend vieler und vor allem gut ausgebildeter Datenanalyst*innen betont, und zum anderen sind bei technischen Anwendungen meist nicht genügend Daten vorhanden, um zum Beispiel große neuronale Netze (NN) über Deep Learning (DL) Ansätze stabil zu trainieren. Dieses Projekt zielt daher auf die Bearbeitung eines derartigen prototypischen Problems der digitalen Pathologie sowie auf die Analyse und methodische Umsetzung von mathematisch fundierten Verfahren zur Data Augmentation über neuronale Netze/ Deep Learning. Die AG Technomathematik der Universität Bremen koordiniert dieses Verbundprojekt und ist auf der wissenschaftlichen Seiter mit dem Teilprojekt „Invertierbare Netzwerkarchitekturen zur Data Augmentation“ beteiligt. Hier werden invertierbare Netzwerkarchtitekturen (i-RevNet, learned Mixup) zur Data Augmentation analysiert und zur Erweiterung der Datenbasis bei einer histopathologischen Anwendung eingesetzt. Darüber hinaus werden die für die programmbegleitenden Maßnahmen im Rahmen des Förderschwerpunkts „Mathematik für Innovationen“ koordiniert. Geplant sind hier u.a. Innovation Labs und Challenge Workshops, um den Transfer der Projektergebnisse aller geförderten Verbünde in Wirtschaft, Gesellschaft und Öffentlichkeit zu beschleunigen.