KI für Assistive Gesundheitstechnologien

Der Forschungsbereich KI für Assistive Gesundheitstechnologien (AGT) entwickelt KI- und Signalverarbeitungsmethoden für die Personalisierung und Individualisierung gesundheitsbezogener Maßnahmen in Prävention, Diagnostik, Therapie, Rehabilitation und Pflege.

Die wichtigsten Anwendungsszenarien sind personalisierte Ernährung, sensor- und videobasierte Bewegungsanalyse, Active Assisted Living, Affective Computing und akustische Ereigniserkennung. Über den Gesundheitskontext hinaus erstreckt sich die Forschungsarbeit auch auf Anwendungsdomänen wie Smart Home, Smart City, Verkaufs- und Verbrauchsprognosen, Produktionsüberwachung, Predictive Maintenance und Prozessoptimierung.

Im Fokus steht die Entwicklung von KI-Verfahren, die komplexe Zusammenhänge datengetrieben lernen und so die Grenzen klassischer mathematischer Modelle überwinden.

Die Arbeiten adressieren folgende Forschungsprobleme der KI und Signalverarbeitung:

• Verbindung der klassischen Ansätze der Signalverarbeitung mit lernbasierten Methoden der KI
• automatisierte Methoden der künstlichen Erzeugung von Trainingsdaten (Data Augmentation)
• Minimierung von Bias-Effekten beim Training der KI-Verfahren
• Transfer von vortrainierten KI-Modellen in verwandte Anwendungsszenarien (Transfer Learning)
• Auflösen von unerwünschten Verflechtungen zwischen Merkmalen (Disentanglement)
• Erklärbarkeit und Interpretierbarkeit von komplexen KI-Verfahren
• adaptive Anpassung von KI-Modellen zur Abschwächung der Auswirkungen von Verschiebungen in der Datenverteilung
• Optimierung von KI-Verfahren für Anwendungen in ressourcenbeschränkten Umgebungen (Edge AI)

Der Forschungsbereich KI für Assistive Gesundheitstechnologien arbeitet eng mit Industrieunternehmen und Einrichtungen der Gesundheitsversorgung zusammen, die ihre Prozesse, Dienstleistungen und Produkte mit KI-basierten Auswertungen und Vorhersagen verbessern wollen. Dabei orientiert sich das Team um Prof. Grzegorzek an den MLOps-Prinzipien (Machine Learning Operations) und kombiniert Aspekte aus den Bereichen Sensorik, Signalverarbeitung, Data Engineering, Machine Learning und Software Engineering, um die entwickelten Lösungen effizient und nachhaltig in die kommerzielle Anwendung zu überführen.