Wissenschaftlicher Mitarbeiter

Tel. +49 241 80 21156
Fax +49 241 80 22150

Email: kruschewsky[at]embedded[dot]rwth-aachen[dot]de

Adresse: Ahornstr. 55, 52074 Aachen, Germany
Büro: 2320

Meine Forschung findet aktuell ohne Projektbindung statt. Hierbei befasse ich mich vor allem mit den zwei Aspekten „Explainability“ und „Fehlererkennung“ in intensivmedizinischen Daten.

Explainability dient dazu das Verhalten von Machine-Learning Verfahren darzustellen bzw. zu erklären. Dies ermöglicht sowohl in der Konzeption, als auch in der Anwendung dank der zusätzlichen Informationen einen besseren Umgang mit den Ausgaben des Algorithmus. Bekannte Beispiele hierfür sind z.B. Saliency Maps (grafische Hervorhebungen von Bereichen, die die Ausgabe des Algorithmus am stärksten beeinflussen) und Gegenbeispiele.

Eine Fehlererkennung ist bei intensivmedizinischen Daten notwendig, da diese meistens automatisiert gesammelt und aufgrund der Menge nicht händisch kontrolliert werden. Um in folgenden Anwendung die Datenqualität möglichst gut kontrollieren zu können müssen diese Fehler somit retrospektiv erkannt und korrigiert werden. Hierzu ist an unserem Lehrstuhl auch die sogenannte „Novelty Detection Analysis Software“ in Entwicklung.

Aktuelle Abschlussarbeiten in diesen Bereichen werden auf der Abschlussarbeiten-Seite ausgeschrieben. Bei konkreteren Anfragen bzw. Nachfragen bin ich per Mail zu erreichen.

Nach Vereinbarung

SS 23

• (Master) Entwicklung eines Frameworks für post-hoc-Erklärbarkeit bei der Fehlererkennung in intensivmedizinischen Daten

WS 22/23

• Entwickeln eines Schwierigkeitsscores für die Fehlererkennung in intensivmedizinischen Daten
• Essence Neural Network for Explainable Error Detection in Intensive Care Medical Data

SS 22

• Retrospektive Klassifikation von Sepsis-Patienten in intensivmedizinischen Sekundärdaten mit Machine Learning
• (Master) Neural networks and ensemble methods for imputation of inconsistent intensive care data