Thema: KI-basierte Schätzung des $IOP$ aus Zeitreihen-Rohdaten unter Einbeziehung biometrischer Faktoren
Bereich: Deep Learning | Signalverarbeitung | Medizintechnik
Datenbasis: Exklusive klinische Studiendaten mit Goldmann-Referenzwerten

Die Forschungsfrage

Wie lässt sich der Augeninnendruck aus den akustischen Antwortsignalen unseres Prototyps präzise berechnen? In einer klinischen Studie wurden bereits Rohdaten von zahlreichen Patienten erfasst. Neben den Referenzwerten des Goldmann-Applanationstonometers (Goldstandard) liegen uns umfassende biometrische Daten vor. Deine Aufgabe ist es, ein Modell zu entwickeln, das nicht nur den Druck schätzt, sondern auch versteht, wie Faktoren wie die Hornhautdicke ($CCT$) oder die Augenlänge das Messergebnis beeinflussen.

Deine Herausforderungen

• Zeitreihen-Analyse: Interpretation der komplexen Rohsignale, die durch die akustische Anregung des Auges entstehen.
• Multimodale Regression: Entwicklung eines Neuronalen Netzes, das sowohl Zeitreihen als auch statische biometrische Faktoren (wie Korneadicke, Alter) als Input verarbeitet.
• Biometrische Korrektur: Untersuchung und Quantifizierung der Einflüsse (Sensitivitätsanalyse): Wie stark verfälschen unterschiedliche Hornhautstärken die Messung und wie kann die KI dies kompensieren?
• Validierung: Statistische Auswertung der Vorhersagegenauigkeit gegen den klinischen Goldstandard (Bland-Altman-Analyse).

Dein Profil

• Erfahrung in der Verarbeitung von Zeitreihen (Time-Series) und fundierte Kenntnisse in Python (PyTorch/TensorFlow).
• Interesse an medizinischer Statistik und der Korrelation physikalischer Parameter.
• Du arbeitest gerne mit “echten”, oft verrauschten Daten aus der klinischen Praxis.

Was wir bieten

• Echte klinische Relevanz: Deine Arbeit trägt direkt dazu bei, die Genauigkeit der häuslichen Glaukom-Vorsorge auf Goldstandard-Niveau zu heben.
• Hochwertiger Datensatz: Zugriff auf eine sorgfältig kuratierte Datenbank aus klinischen Studien.

Hinweise zur Bewerbung

• Beginn: Ab sofort oder nach Vereinbarung jederzeit möglich.
• Bewerbungsunterlagen: Bitte sende deine Bewerbung mit einem aktuellen Lebenslauf und deiner Notenübersicht per E-Mail an: helmut.engelhardt@faps.fau.de.
• Kontakt: Du hast Fragen zum Thema? Weitere Informationen geben ich dir gerne auf Anfrage per Mail oder in einem persönlichen Gespräch vor Ort.

Kategorien:

Kontakt: