Masterarbeit »Einsatz von Machine Learning Verfahren und XAI zur Analyse von Herzgeräuschen«

W Instytucie Fraunhofera ds. Inżynierii Oprogramowania i Systemów ISST w Dortmundzie jesteśmy pionierami w dziedzinie stosowanych badań najnowszej generacji, dedykowani wspieraniu transformacji cyfrowej na terenie Europy. Naszym celem jest maksymalizacja potencjału danych, ustanawianie standardów dla uczciwej gospodarki danych oraz umożliwienie suwerennego zarządzania danymi w różnych sektorach, w tym mobilności, przemyśle i opiece zdrowotnej. Naszą misją jest innowacja na rzecz zrównoważonej przyszłości w społeczeństwie i gospodarce, zarówno w Niemczech, jak i w całej Europie.

W naszym dziale zdrowia badamy kolejną generację technologii programistycznych dla rozwiązań opartych na danych w opiece zdrowotnej. Obejmuje to rozwijanie interoperacyjnych przestrzeni danych zdrowotnych i aplikacji, które optymalizują procesy kliniczne i poprawiają aplikacje mobilne oraz algorytmy terapeutyczne. Nasza wizja obejmuje procesy opieki zdrowotnej oparte na danych i medycynę precyzyjną o zamkniętym obiegu, szczególnie w obszarach takich jak Wymiana Informacji Zdrowotnych, Aplikacje Zdrowotne i Analityka oraz Ekosystemy Danych Osobistych.

Ekscytującym przykładem naszej pracy jest automatyczna analiza dźwięków serca, która zazwyczaj opiera się na subiektywnej ocenie profesjonalistów służby zdrowia. Integracja algorytmów uczenia maszynowego umożliwia nam dostarczenie obiektywnej analizy, która wspiera i ulepsza diagnostykę medyczną.

Celem tej pracy dyplomowej jest wykorzystanie uczenia maszynowego i wyjaśnialnej sztucznej inteligencji (XAI) do ulepszenia analizy dźwięków serca, potencjalnie z wykorzystaniem detekcji pozycji stetoskopu i rozpoznawania dźwięków skurczowych/rozkurczowych przy użyciu XAI do ilustracji wyników. Projekt będzie korzystał z publicznych, otwarcie dostępnych danych, ze szczególnym uwzględnieniem obszarów dostosowanych do Twoich zainteresowań.

Przygotujesz swoją pracę dyplomową na temat "Zastosowanie uczenia maszynowego i XAI w analizie dźwięków serca", korzystając z naszego wsparcia i rozległej wiedzy fachowej. Twój projekt będzie obejmował:

• Badanie najnowszych rozwiązań w dziedzinie uczenia maszynowego.
• Eksplorację systematycznej oceny danych audio.
• Tworzenie i ewaluację ścieżek uczenia maszynowego dostosowanych do opieki zdrowotnej.
• Analizę czynników wpływających na jakość modelu i decyzje, potencjalnie z użyciem wyjaśnialnej sztucznej inteligencji.

Zapisałeś/aś się na studia magisterskie w dziedzinie Data Science, Nauk Komputerowych, Informatyki Medycznej, Technologii Medycznej lub innego odpowiedniego kierunku. Powinieneś/Powinnaś mieć:

• Podstawową wiedzę o technikach nadzorowanego uczenia maszynowego.
• Początkowe praktyczne doświadczenie z Pythonem.