Forschung

Forschungsthemen

Die Arbeitsgruppe Technomathematik deckt ein breites Feld von Forschung und Anwendungen aus den Bereichen der Lebens- und Ingenieurswissenschaften ab. Der Fokus der mathematischen Forschung liegt auf:

  • Inversen Problemen
  • Mathematischer Bild- und Signalverarbeitung
  • Deep Learning
  • Numerischer Analysis
  • Parameteridentifikation

Anwendungsgebiete

Die mathematische Forschung der AG Technomathematik von Prof. Peter Maaß findet Anwendung in verschiedenen Forschungsgebieten: So gehört bereits seit 2007 die Analyse massenspektrometrischer Daten zu den Anwednungsfeldern der Arbeitsgruppe. Es werden neue Auswertealgorithmen für MALDI Imaging (MSI) entwickelt, einer räumlich auflösenden massenspektrometrischen Analysemethode zur Untersuchung biologischer Gewebeproben. In diesem Zusammenhang wurde 2013 die Softwarefirma SCiLS gegründet, die inzwischen zur Bruker Daltonik GmbH, dem Weltmarktführer für MALDI Imaging-Massenspektrometer, gehört. Seit 2016 befasst sich die AG Technomathematik außerdem mit den mathematischen Herausforderungen des Magetic Particle Imaging (MPI) und erweitert somit ihre angewandte, interdisziplinäre Forschung im Bereich der Medizin. In verschiedenen, interdisziplinären Projekten soll so der Grundstein für einen klinischen Einsatz dieser Technologie gelegt werden. Die Computertomographie (CT) stellt ein klassisches Beispiel für ein inverses Problem dar und ist ebenfalls Gegenstand unserer Forschung. Die Rekonstruktion der CT Daten wird zunehmend auch durch Deep Learning Verfahren ausgeführt. In unserer Arbeitsgruppe werden daher CT-Rekonstruktionsverfahren und Softwareumgebungen für vereinfachtes Modelltraining entwickelt sowie Benchmark-Datensätze für den Modellvergleich untersucht.


Teams

Unsere Arbeitsgruppe gliedert sich in vier Teams: Deep Learning und Digitale Pathologie, Inverse Probleme und Magnetic Particle Imaging, Deep Learning und Inverse Probleme und Deep Learning und Industrielle Anwendungen.

Digitale Pathologie

Deep Learning und Digitale Pathologie

Das DigiPath-Team beschäftigt sich mit verschiedenen Herausforderung im Bereich der digitalen Pathologie. Dazu gehören zum Beispiel die Klassifizierung von Tumorgewebe oder Tumortypen basierend auf digitalen Mikroskopiebildern und Daten der bildgebenden Massenspektrometrie.

MPI

Inverse Probleme und Magnetic Particle Imaging

Das MPI-Team beschäftigt sich mit den Herausforderungen, die diese Technologie an die medizinsiche Forschung stellt. Dazu gehört die detaillierte mathematische Modellierung des Messprozesses. Darüber hinaus sind aufgrund einer derzeit nur spärlichen Datenlage viele der gebräuchlichsten datengetriebenen Methoden nicht direkt anwendbar.

Computertomographie

Deep Learning und Inverse Probleme

Das DLIP-Team forscht an der Verknüpfung von Deep Learning Verfahren mit klassischen Ansätzen aus dem Bereich der inversen Probleme. Besondere Schwerpunkte liegen auf dem datenfreien Verfahren Deep Image Prior, der Integration von physikalischem Modellwissen in die Struktur von künstlichen neuronalen Netzen und der Regularisierung. 

Schematisches Bild für Design-KIT

Deep Learning und Industrielle Anwendungen

In zahlreichen industriellen Forschungsprojekten wird - in enger Zusammenarbeit mit Expert*innen der jeweiligen Anwendungsfelder - der gesamte Problemlösungsprozess von der Modellierung des Ausgangsproblems über die mathematische Analyse des Modells bis zur Softwareentwicklung bearbeitet.