Thema: Entwicklung eines neuronalen Netzes zur Validierung kontaktloser Selbsttonometrie-Daten

Bereich: Machine Learning | Deep Learning | Medizintechnik

Ziel: Intelligente Fehlererkennung für ein zuverlässiges Anwender-Feedback

Das Forschungsprojekt

Die kontaktlose Messung des Augeninnendrucks zu Hause (Selbsttonometrie) ist ein Meilenstein in der Glaukom-Vorsorge. Damit die Messwerte jedoch klinisch verwertbar sind, müssen Anwendungsfehler – wie eine unzureichende Abdichtung der Druckkammer oder Störungen im Messablauf – sicher erkannt werden. Deine Aufgabe ist es, ein binäres Klassifikationsmodell zu entwickeln, das direkt nach der Messung entscheidet: Ist der Wert valide oder muss die Messung wiederholt werden?

Deine Schwerpunkte

• Data Preprocessing: Entwicklung von Pipelines zur Normalisierung, Bereinigung und Reduktion der Sensordaten auf die entscheidenden Merkmale.
• Modellentwicklung: Training und Optimierung von Neuronalen Netzen, um zwischen gültigen und ungültigen Messungen zu unterscheiden.
• Minimierung der Unsicherheit: Evaluation des Modells mittels Trainings-, Validierungs- und Testdatensätzen, um eine extrem geringe Vorhersageunsicherheit zu erreichen.
• Smart Feedback: Implementierung der Logik für ein direktes Nutzer-Feedback, das die Zuverlässigkeit der häuslichen Diagnose sicherstellt.

Dein Profil

• Sicherer Umgang mit Python und ML-Frameworks (z. B. PyTorch oder TensorFlow).
• Analytische Denkweise und ein grundlegendes Verständnis für die Aufbereitung von Zeitreihen-Daten.
• Interesse daran, theoretisches Wissen über neuronale Netze in ein reales Medizinprodukt zu überführen.

Warum dieses Projekt?

• Sinnstiftende KI: Deine Algorithmen helfen direkt dabei, Fehlbehandlungen zu vermeiden und die Augengesundheit von Patient:innen zu schützen.
• Professionelles Umfeld: Wir bieten dir eine strukturierte Betreuung und die notwendige Rechenpower für dein Modelltraining.
• Innovation: Du arbeitest an der Schnittstelle von modernster Sensorik und Deep Learning.

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: