Maschinelles Lernen und Datenanalyse für heterogene, artübergreifende Daten (X02)

• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 460333672

X02 nutzt die in EBM erzeugten Bilddaten und mechanischen Messungen, um Deep Learning-Methoden zu entwickeln, die Wissen über Spezies hinweg transferieren. In silico und in vitro Analysen werden deutlich spezifischere Daten liefern als in vivo Experimente, insbesondere für menschliches Gewebe. Um hier Erkenntnisse aus datenreichen Experimenten zu nutzen, werden wir Transfer Learning-Algorithmen für heterogene Daten entwickeln. So kann maschinelles Lernen auch unter stark datenlimitierten Bedingungen nutzbar gemacht werden. Ziel ist es, ein holistisches Verständnis von Bilddaten und mechanischen Messungen über Artgrenzen hinweg zu ermöglichen.

• DFG-Verfahren: Sonderforschungsbereiche
• Teilprojekt zu: SFB 1540: Erforschung der Mechanik des Gehirns (EBM): Verständnis, Engineering und Nutzung mechanischer Eigenschaften und Signale in der Entwicklung, Physiologie und Pathologie des zentralen Nervensystems
• Antragstellende Institution: Friedrich-Alexander-Universität Erlangen-Nürnberg
• Teilprojektleiterinnen / Teilprojektleiter: Professorin Katharina Breininger; Professor Dr.-Ing. Andreas Maier