SPAplus

Small Data Probleme in der digitalen Pathologie und programmbegleitende Maßnahmen

Vertreter*innen aus Industrie und Wirtschaft nennen branchenübergreifend im Zusammenhang mit Big Data Anwendungen und maschinellem Lernen (ML) zwei Problemfelder: Zum einen wird das Fehlen hinreichend vieler und vor allem gut ausgebildeter Datenanalyst*innen betont, und zum anderen sind bei technischen Anwendungen meist nicht genügend Daten vorhanden, um zum Beispiel große neuronale Netze (NN) über Deep Learning (DL) Ansätze stabil zu trainieren. Dieses Projekt zielt daher auf die Bearbeitung eines derartigen prototypischen Problems der digitalen Pathologie sowie auf die Analyse und methodische Umsetzung von mathematisch fundierten Verfahren zur Data Augmentation über neuronale Netze/ Deep Learning. Zudem sollen in programmbegleitenden Maßnahmen Konzepte zur Ausbildung mathematischer Datenanalyst*innen umgesetzt werden (Innovation Labs). Dazu sollen Challenge Workshops zu verschiedenen Themen im Bereich "Big Data" durchgeführt werden.

Teilprojekte

  • 05M20LBD | Teilprojekt 1 | Universität Bremen
  • 05M20PSA | Teilprojekt 2 | Universitä Siegen
  • 05M20MOA | Teilprojekt 3 | Carl von Ossietzky Universität Oldenburg

Als Reaktion auf die Corona-Pandemie wurden im Förderschwerpunkt "Mathematik für Innovationen" Zusatzprojekte bewilligt. In Teilprojekt 3 wird das Projekt Entrauschen und Detailextraktion von elektronenmikroskopischen Aufnahmen von SARS-CoV-2 mit probabilistischen generativen Netzen gefördert.

Elektronenmikroskopische Aufnahmen von infiziertem Gewebe tragen zum Verständnis von Infektionsprozessen bei, was besonders bei der neuen von SARS-CoV-2 verursachten Infektion von Wichtigkeit sein kann. Derartige Aufnahmen unterliegen hierbei z.T. starken Verrauschungen, die durch den Messprozess und die physikalischen Gegebenheiten im Nanobereich bedingt sind. Ziel dieses Projektes ist es, durch die neuesten verfügbaren Ansätze im maschinellen Lernen, bisher im Rauschen verborgene Details in Elektronenmikroskopieaufnahmen von SARS-CoV-2 sichtbar zu machen.