Das Projekt umfasst Entwicklung des Software Systems für das Premed Forschungsprojekt an der LMU.
Ziel
der Forschungsprojektes ist es ein KI Algorithmus für die frühzeitige
Erkennung von Zerebralparese (CP) bei Babys zu entwickeln. Die
Bewegungsmuster von Neugeborenen und kleinen Babies können Aufschluss
über die Neurologische Entwicklung geben. Leider gibt es Weltweit nur
wenige Experten, die diese Bewegungsanalyse durchführen können. Deshalb
werden wenige Kinder frühzeitig diagnostiziert.
Um die
Diagnose-Möglichkeit allen Kindern zur Verfügung zu stellen, soll ein KI
trainiert werden. Hierzu ist werden in einer Studie Videos mit
Tiefenbildern von Babies an teilnehmenden Kliniken Weltweit aufgenommen.
Ziel dieses ist es ein KI Modell zu implementieren, dass mit ComputerVision Modellen die Bewegungen des Kindes analysieren kann um den Ärzten bei der Diagnose zu unterstützen.
Das Projekt umfasst Entwicklung des Software Systems für das Premed Forschungsprojekt an der LMU.
Ziel der Forschungsprojektes ist es ein KI Algorithmus für die frühzeitige Erkennung von Zerebralparese (CP) bei Babys zu entwickeln. Die Bewegungsmuster von Neugeborenen und kleinen Babies können Aufschluss über die Neurologische Entwicklung geben. Leider gibt es Weltweit nur wenige Experten, die diese Bewegungsanalyse durchführen können. Deshalb werden wenige Kinder frühzeitig diagnostiziert.
Um die Diagnose-Möglichkeit allen Kindern zur Verfügung zu stellen, soll ein KI trainiert werden. Hierzu ist werden in einer Studie Videos mit Tiefenbildern von Babies an teilnehmenden Kliniken Weltweit aufgenommen.
In dem Projekt waren wir mit der Aufnahmesoftware, Daten Import und Zentrale Datenspeicher und Verarbeitung betraut. Sowie bei der Implementierung einer Datenpipeline für das Labeln von Daten.
Um die Qualitätskontrolle von Solarfeldern zu automatisieren, werden automatische Analyse Methoden benötigt.
In dieses Projekt werden verschiedene Modelle und Ansätze aus der neuesten Forschung getestet und zu einem Produkt entwickelt, um Fehler von Solaranlagen durch Bildgebende verfahren zu erkennen.
Nicht nur die Erkennung von Solarpanelen, Verschraubungen und Kabeln mit Boundingboxes sondern auch die Analyse von Unbekannten Fehlern waren im Fokus.
Das Projekt wurde mit Forschungsförderung vom Bund unterstützt.
Das Projekt umfasst Entwicklung des Software Systems für das Premed Forschungsprojekt an der LMU.
Ziel
der Forschungsprojektes ist es ein KI Algorithmus für die frühzeitige
Erkennung von Zerebralparese (CP) bei Babys zu entwickeln. Die
Bewegungsmuster von Neugeborenen und kleinen Babies können Aufschluss
über die Neurologische Entwicklung geben. Leider gibt es Weltweit nur
wenige Experten, die diese Bewegungsanalyse durchführen können. Deshalb
werden wenige Kinder frühzeitig diagnostiziert.
Um die
Diagnose-Möglichkeit allen Kindern zur Verfügung zu stellen, soll ein KI
trainiert werden. Hierzu ist werden in einer Studie Videos mit
Tiefenbildern von Babies an teilnehmenden Kliniken Weltweit aufgenommen.
Ziel dieses ist es ein KI Modell zu implementieren, dass mit ComputerVision Modellen die Bewegungen des Kindes analysieren kann um den Ärzten bei der Diagnose zu unterstützen.
Das Projekt umfasst Entwicklung des Software Systems für das Premed Forschungsprojekt an der LMU.
Ziel der Forschungsprojektes ist es ein KI Algorithmus für die frühzeitige Erkennung von Zerebralparese (CP) bei Babys zu entwickeln. Die Bewegungsmuster von Neugeborenen und kleinen Babies können Aufschluss über die Neurologische Entwicklung geben. Leider gibt es Weltweit nur wenige Experten, die diese Bewegungsanalyse durchführen können. Deshalb werden wenige Kinder frühzeitig diagnostiziert.
Um die Diagnose-Möglichkeit allen Kindern zur Verfügung zu stellen, soll ein KI trainiert werden. Hierzu ist werden in einer Studie Videos mit Tiefenbildern von Babies an teilnehmenden Kliniken Weltweit aufgenommen.
In dem Projekt waren wir mit der Aufnahmesoftware, Daten Import und Zentrale Datenspeicher und Verarbeitung betraut. Sowie bei der Implementierung einer Datenpipeline für das Labeln von Daten.
Um die Qualitätskontrolle von Solarfeldern zu automatisieren, werden automatische Analyse Methoden benötigt.
In dieses Projekt werden verschiedene Modelle und Ansätze aus der neuesten Forschung getestet und zu einem Produkt entwickelt, um Fehler von Solaranlagen durch Bildgebende verfahren zu erkennen.
Nicht nur die Erkennung von Solarpanelen, Verschraubungen und Kabeln mit Boundingboxes sondern auch die Analyse von Unbekannten Fehlern waren im Fokus.
Das Projekt wurde mit Forschungsförderung vom Bund unterstützt.