Abschlussarbeiten

King, S., Hollenbenders, Y., & Reichenbach, A. (under review as Journal Article). Efficient synthesis of 3D MR images for schizophrenia diagnosis classification with generative adversarial networks. preprint on medRxiv.

Carrle, F.*, Hollenbenders, Y.*, & Reichenbach, A. (2023, Journal Article). Generation of synthetic EEG data for training algorithms supporting the diagnosis of major depressive disorder. Frontiers in Neuroscience, 17, 1219133.

King, S., Hollenbenders, Y., & Reichenbach, A. (09 2023, Conference Talk). Data-Efficient 3D Brain sMRI Synthesis for Schizophrenia Classification Using Generative Adversarial Networks. 68. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V.(GMDS).

Hollenbenders, Y., Pobiruchin, M., & Reichenbach, A. (2023, Journal Article). Two Routes to Alzheimer’s Disease Based on Differential Structural Changes in Key Brain Regions. Journal of Alzheimer's Disease, 92, 1399-1412. <author copy>

Schmidt, F., Maier, Chr., & Reichenbach, A. (08 2022, Conference Poster): A general data schema and robust processing package for gait data analytics and their evaluation with six publicly available data sets. 67. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V.(GMDS), 13. Jahreskongress der Technologie-und Methodenplattform für die vernetzte medizinische Forschung e. V.(TMF).

Ziegler, S., Maier, C., & Reichenbach, A. (2020, Full Conference Paper). Stratification of Alzheimer’s disease patients based on the course of cognitive state and the characterization of their brain structures. 8th IEEE International Conference on Healthcare Informatics (ICHI). IEEE, 1-7.

Andraschko, K., & Reichenbach, A. (06 2019 Conference Poster): The trajectory of neuropathology reveals subtypes of Alzheimer's disease - a data-driven approach. 25th Annual Meeting of the Organization for Human Brain Mapping, Rome, Italy.

Forschungskonsortien haben in den letzen Jahren große Datensammlungen von Neuroimaging Daten der Öffentlichkeit zur Verfügung gestellt. Beispiele hierfür sind die ADNI Datensätze für Alzheimer, die ABIDE Initiative für Autismus oder NUSDAST für Schizophrenie. Diese Daten-Sammlungen bieten hervorragende Möglichkeiten für die neuronale Erforschung dieser Störungsbilder, halten aber auch eine Menge technischer und methodischer Herausforderungen bereit. Über PhD und MSc Projekte hinweg werden im ZML mehrere Datenbanken aufgebaut und eine OpenSource Toolbox mit Python entwickelt, die verschiedene Funktionalitäten zur Prozessierung solcher Daten bereitstellt. 

Aktuelle Projekte beschäftigen sich vorwiegend mit der Depression, aber auch Projekte über Schizophrenie, Alzheimer und Parkinson wurden hier bereits bearbeitet. Als Daten verwenden wir aktuell primär EEG Daten (Elektroenzephalographie), aber auch MRT Daten sind verfügbar.

Je nach Interessenslage können eher technische, methodische, oder medizinische Fragestellungen bearbeitet werden. Für die genauere Spezifizierung von Abschlussprojekten sprechen Sie mich bitte an.

Durch den verbreiteten Einsatz von Smartphones können über die heute schon standardmäßig verbauten Sensoren in diesen Geräten viele Daten erhoben und Charakteristiken der Benutzer extrahiert werden. Der menschliche Gang kann zur Identifikation eines Menschen herangezogen werden oder auch zur Charakterisierung seines Zustanden, zB bei episodisch auftretenden Erkrankungen. In diesem Forschungsgebiet wird untersucht, in wie weit und unter welchen Bedingungen sich die Daten von Standardsensoren wie Beschleunigungssensoren verwenden lassen, um einen Menschen eindeutig zu erkennen.

Je nach Interessenslage können eher technische oder methodische Fragestellungen bearbeitet werden. Für die genauere Spezifizierung von Abschlussprojekten sprechen Sie mich bitte an.

Im Rahmen des Zentrum für Maschinelles Lernen (ZML) sind aktuell noch folgende weitere Themen zu vergeben:

• Stresserkennung beim Autofahren mittels Eyetracking. (vorläufig ruhend)

Wie sich der Mensch in seiner Umwelt bewegt und wie die verschiedenen äußeren Einflüsse mit in diese Bewegungen integriert werden ist bisher nur teilweise bekannt. Diese Faktoren spielen jedoch auch eine große Rolle darin, wie VR Umgebungen aufgebaut werden müssen, um die Handlung des Menschen in ihr optimal zu unterstützen. In diesem Forschungsgebiet geht es vorrangig um die involvierten kognitiven Prozesse des Menschen und welche Konsequenzen diese für das Design von VR-Umgebungen haben.

Aktuelle technische Themen

• Aufbau und Evaluierung einer VR Umgebung (HTC Vive & Leap Motion) für die Erforschung von Bewegungsabläufen in der VR (vorläufig abgeschlossen)

Aktuelle empirische Themen

• Einfluss der räumlichen Platzierung der visuellen Rückmeldung bei Armbewegungen.

Des weiteren sind fortlaufend empirische Forschungsarbeiten in den Themenkomplexen "Sensomotorik" und "Aufmerksamkeit" (oder einer Kombination daraus) möglich. Für die genauere Spezifizierung von Abschlussprojekten sprechen Sie mich bitte an. Weitere Informationen finden Sie auch in meinen Publikationen.

Diese Themen sind besonders geeignet für AIB (Schwerpunkt PI) oder bei entsprechendem Interesse MIB / MIM Abschlussarbeiten.

• Vergleichende Studie zu quantitativen und qualitativen Daten im Usability Test. (vorläufig abgeschlossen)

Für die genauere Spezifizierung der Abschlussarbeiten oder bei eigenen Ideen in dem Bereich sprechen Sie mich bitte an.

Wenn Sie die Möglichkeit haben, bei einem Industrie Unternehmen ihre Abschlussarbeit zu anzufertigen und nur noch einen Betreuer von der Hochschule benötigen, so sprechen Sie mich gerne an. Ich habe mehrere Jahre Erfahrung als Software Architekt und technischer Projektmanager in Softwareprojekten, v.a. in den Bereichen Data Warehouse, Customer Relationship Management (CRM) Systeme und Data Mining.

Unraveling Decision-Making Processes in 3D Brain sMRI Schizophrenia Classifiers using Explainable AI Methods (MIM)

EEG Artifact Removal with Generative Adversarial Networks (MIM Research Project)

Combining EEG Features for Robust Biomarkers Aiding in Depression Diagnosis (MIM Research Project)

Influence of the Spatial Diemension in EEG Data for MDD Diagnosis Classifiers Using Convolutional Neural Networks (MIM Research Project)

Gender and Age Classification Based on Gait Characteristics derived from Smartphone Accelerometers (MIB)

Multivariate Study on EEG Frequency Band Biomarkers for Diagnostic Classification of Major Depressive Disorder (AIB)

Early Detection of Major Depressive Disorder Using Electroencephalography Connectivity Features for Clinical Decision Support (MIB)

Systematic Review of EEG-Based Diagnostics of Major Depressive Disorder: Robustness of Features and Classification Approaches (MIM Research Project)

Feature Selection with Genetic Algorithms for Modelling progression of Alzheimer's disease with Hidden Markov Models based on brain anatomy data (SEM Research Project)

Generation of Synthetic 3D MRI Data for Schizophrenie Diagnosis based on Generative Methods (MIM)

Creating synthetic EEG data with generative methods (MIM)

Diagnosing Schizophrenia using structural MRI with Deep Learning Algorithms (MIM)

Klassifizierung von Personen zu den Zuständen des Krankheitsverlaufs der Alzheimer-Erkrankung anhand von anatomischen und kognitiven Merkmalen (MIB)

Cocktail party effect meets inattentional deafness: The effect of one's own name as an auditory alarm signal (AIB)

Aufbau und Evaluierung einer VR Umgebung (HTC Vive & Leap Motion) für die Erforschung von Bewegungsabläufen in der VR (AIB)

Konzeption und Aufbau eines generischen Toolkits für Werkzeuge im Kontext des Maschinellem Lernens (AIB)

Vergleich von subjektiven und objektiven Daten im Usability Testing (AIB)

Konzeption und Aufbau eines generischen Toolkits für Werkzeuge im Kontext von Maschinellem Lernen (AIB)

Consolidation of publicly available gait databases for research on machine learning approaches to gait analysis (MIM)

Development of an automated end-to-end pre-processing pipeline transforming neuroimaging data for machine learning applications and evaluation of classification models based on different pre-processing stages. (MIM)

Untersuchung der Abhängigkeit von Klassifikatoren zur biometrischen Gangerkennung von der Sensorlokation (AIB)

Machine Learning on Magnetic Resonance Imaging data to estimate how far in advance conversion from Mild Cognitive Impairment to Alzheimer's Disease can be predicted (MIB)

Analyse von Anforderungen für Informatik-Berufe und darauf basierende Konzeption eines Web-basierten Fragebogens zur personalisierten Tätigkeitsinformation für Schulabsolventen (AIB)

Modelling progression of Alzheimer's disease with Hidden Markov Models based on cognitive and brain anatomy data (MIM)

Stratification of Parkinson’s disease patients based on longitudinal motoric and cognitive study data (MIM)

Prediction of conversion to Alzheimer’s disease from patients with mild cognitive impairment based on classification of longitudinal data (MIM)

Evaluation der Asymmetrie des Ganges als Identifizierungsmerkmal mithilfe von maschinellem Lernen (AIB)

Conception and Implementation of a Virtual Reality (VR) for Time-sensitive Behavioural Studies in the Sensorimotor Field (MIB)

Analyse des Eingangs psychologischer Konzepte in Softwareentwicklungsprozesse und Nutzung dieser in regionalen Unternehmen (AIB)

Modulation von Musik durch ein Brain Computer Interface (AIB)

Entwicklung eines Grundgerüstes zur biometrischen Identitätsprüfung auf dem Smartphone (AIB)

Stratification of patients with Alzheimer's disease based on clustering neuroimaging data with neural networks (MIM)

Stratification of Alzheimer's disease patients based on the course of cognitive state and the characterization of their brain structure (MIM)

Konzeption eines erweiterbaren Usability Testing Frameworks mit Anbindung objektiver Verhaltensdaten (SEB)

Biometrische Identitätsprüfung aufgrund des Gangs mit Hilfe eines Smartphones (SEB)