Loading...
hidden

Mobile-Version anzeigen

Meta-Navigation

Startseite – Hochschule Luzern

Sprachwahl und wichtige Links

  • Zum Inhalt springen
  • Kontakt
  • Login
  • De
  • En
Suche starten

Hauptnavigation

Departementsnavigation

  • Technik & Architektur
  • Wirtschaft
  • Informatik
  • Soziale Arbeit
  • Design & Kunst
  • Musik

Unternavigation

  • Studium
  • Weiterbildung
  • Forschung
  • International
  • Campus
  • Über uns
  • News & Stories

Unternavigation

Breadcrumbs-Navigation

  1. Forschung Forschung
  2. Erkennung von Handekzemen mit Machine Learning Erkennung von Handekzemen mit Machine Learning

Erkennung von Handekzemen mit Machine Learning

Erkennung von Handekzemen mit Machine Learning

Kurzinformation

Departement:

Informatik

Status:

Abgeschlossen

Zeitraum:

01.01.2017 - 31.12.2019

In der Übersicht

Handekzeme sind die häufigsten Dermatosen und betreffen rund 9% der arbeitenden Bevölkerung. Sie verursachen hohe medizinische Kosten sowie lange Arbeitsausfälle. Seit 2012 arbeitet die Hochschule Luzern - Informatik zusammen mit dem Universitätsspital Zürich an einem vollautomatisierten System, das mittels hochmoderner maschineller Lernverfahren auf hochaufgelösten Fotos Ekzemläsionen auf der betroffenen Haut visuell erkennt und beurteilt. Nahezu marktreif, ermöglicht es die Selbsteinschätzung durch Patienten zur Früherkennung von Exazerbationen des Ekzems, Überwachung der Belegschaft in der Industrie durch manuelle Arbeit, automatisierte Beurteilung von Ekzemen in klinischen Studien, Krankenhäusern und Praxen. Unser Ansatz hat sich in mehreren wissenschaftlichen Publikationen als herausragend erwiesen und vor kurzem den Aha! Innovationspreis des Allergiezentrums Schweiz erhalten. Im Zuge dieser Entwicklungen wurde uns bewusst, dass die algorithmische Maschinerie nicht nur für die Erfassung und Quantifizierung von Ekzemen auf Handbildern geeignet ist, sondern auch auf eine viel breitere Palette dermatologischer Phänomene in anderen Körperregionen angewendet werden kann. Darüber hinaus gibt es gute Gründe für uns, zu glauben, dass ein ähnliches System sogar zwischen verschiedenen Dermatosen unterscheiden könnte, und die grosse Menge an Trainingsdaten, die unsere medizinischen Partner in den letzten fünf Jahren gesammelt haben, würde uns tatsächlich ermöglichen, diese Herausforderungen anzugehen. im Rahmen des vorliegenden Projektes wird eine Doktorandenstelle in medizinischer Bildgebung und maschinellem Lernen implementiert, um unsere derzeitigen Ansätze für eine Vielzahl von häufigen und seltenen Dermatosen zu erweitern sowie die Patientenhistorie und zusätzliche Daten aus anderen bildgebenden Verfahren zu integrieren wie 3D-Bilder oder Infrarotaufnahmen.

X

hidden

Fakten

Projektart

Forschung

Beteiligte interne Organisationen
  • Informatik
Finanzierung
  • Private / Stiftungen
  • Forschungsfinanzierung allgemein
hidden

Beteiligte Personen intern

Projektleiter/in
  • Marc Pouly
Projektmitarbeiter/in
  • Ludovic Amruthalingam
  • Marc Bravin
  • Andrin Bürli
  • Roland Christen
  • Donnacha Daly
  • Fabian Gröger
  • Jörg Hofstetter
  • Reza Kakooee
  • Simone Lionetti
  • Sita Mazumder
  • Tobias Mérinat
  • Joel Salzmann
  • Tim vor der Brück
  • Pascal Wullschleger
hidden

Beteiligte Personen extern

Externe Projektmitarbeiter/in
  • Sita Mazumder

Publikationen

  • Artikel, Rezension; peer reviewed (7)

    • Amruthalingam, Ludovic; Mang, Nora; Gottfrois, Philippe Léon-Marius; Gonzalez-Jimenez, Alvaro; Maul, Julia-Tatjana; Kunz, Michael; Pouly, Marc & Navarini, Alexander (2023). Objective Hand Eczema Severity Assessment with Automated Lesion Anatomical Stratification. Experimental Dermatology, 2023, 1. doi: 10.1111/exd.14744

    • Gröger, Fabian; Gottfrois, Philippe Léon-Marius; Amruthalingam, Ludovic; Gonzalez-Jimenez, Alvaro; Lionetti, Simone; Navarini, Alexander & Pouly, Marc (2022). Towards Reducing The Need For Annotations In Digital Dermatology With Self-supervised Learning. ECAI’22: European Conference on Artificial Intelligence, Proceedings of Workshop 31: Scarce Data in Artificial Intelligence for Healthcare, 11-16. doi: 10.5220/0000164800003523

    • Gonzalez-Jimenez, Alvaro; Lionetti, Simone; Amruthalingam, Ludovic; Gottfrois, Philippe Léon-Marius; Pouly, Marc & Navarini, Alexander (2022). SANO: Score-based Anomaly Localization for Dermatology. ECAI’22: European Conference on Artificial Intelligence, Proceedings of Workshop 31: Scarce Data in Artificial Intelligence for Healthcare, 53-58. doi: 10.5220/0000164800003523

    • Amruthalingam, Ludovic; Gökduman, Bulus; Gonzalez-Jimenez, Alvaro; Gottfrois, Philippe Léon-Marius; Koller, Thomas; Kunz, Michael; Navarini, Alexander & Pouly, Marc (2022). Improved Diagnosis by Automated Macro- and Micro-anatomical Region Mapping of Skin Photographs. Journal of European Academy of Dermatology Venereology, 2022, 10. doi: 10.1111/jdv.18476

    • Amruthalingam, Ludovic; Buerzle, Oliver; Gonzalez Jimenez, Alvaro; Gottfrois, Philippe Léon-Marius; Koller, Thomas; Navarini, Alexander; Pouly, Marc & Roth, Anastasia (2022). Quantification of Efflorescences in Pustular Psoriasis using Deep Learning. Healthcare Informatics Research, 2022(Volume 28(3)), 222-230. doi: 10.4258/hir.2022.28.3.222

    • Pouly, Marc; Koller, Thomas; Gottfrois, Philippe Léon-Marius & Lionetti, Simone (2020). KI in der Bildanalyse – Grundlagen und neue Entwicklungen. Springer - Der Hautarzt, 2020(9), 660-668. doi: 10.1007/s00105-020-04663-7

    • Meienberger, Nina; Anzengruber, Florian; Amruthalingam, Ludovic; Christen, Roland; Koller, Thomas; Maul, J.; Pouly, Marc; Djamei, Vahid & Navarini, Alexander (2019). Observer-Independent Assessment of Psoriasis affected Area using Machine Learning. Journal of the European Academy of Dermatology & Venerology, 2019 / 34(6), 1362-1368. doi: 10.1111/jdv.16002

  • Bericht/Working Paper (1)

    • Furger, Fabian; Amruthalingam, Ludovic; Navarini, Alexander & Pouly, Marc (2020). Applications of Generative Adversarial Networks to Dermatologic Imaging (Bericht).

  • Hochschulschrift (Bachelor/Master/Dissertation/Habilitation) (1)

    • Gröger, Fabian (2023). Self-Supervised Pre-Training for Digital Dermatology & Data-Centric Approach to Medical Imaging (nicht veröffentlichte Master-/Lizentiats-/Diplomarbeit). Lucerne University of Applied Sciences and Arts, Rotkreuz, Switzerland.

Kurzinformation

Departement:

Informatik

Status:

Abgeschlossen

Zeitraum:

01.01.2017 - 31.12.2019

Projektleitung

Prof. Dr. Marc Pouly

Dozent

+41 41 757 68 25

E-Mail anzeigen

Footer

FH Zentralschweiz

Links zu den Social-Media-Kanälen

  •  Facebook
  •  Instagram
  •  Twitter
  •  LinkedIn
  •  YouTube
  •  Flickr

Kontakt

Logo Hochschule Luzern

Hochschule Luzern


Werftestrasse 4
- 6002 Luzern

+41 41 228 42 42

info@hslu.ch

Direkteinstieg

  • Studieninteressierte Bachelor
  • Studieninteressierte Master
  • Weiterbildungsinteressierte
  • Unternehmen & Institutionen
  • Medienschaffende
  • Für Studierende
  • Für Mitarbeitende

Quicklink

  • Personensuche
  • Standorte
  • Aktuell
  • Bibliotheken
  • Agenda
  • Jobs & Karriere
  • Home
  • Räume mieten

Statische Links

  • Newsletter abonnieren
  • Datenschutzerklärung
  • Impressum
  • Institutionell akkreditiert nach HFKG 2019–2026
Logo Swissuniversities

QrCode

QrCode
Wir verwenden Cookies, um Ihnen eine optimale Nutzung der Website zu ermöglichen und um Ihnen auf unserer Website, auf anderen Websites und in sozialen Netzwerken personalisierte Werbung anzuzeigen. Indem Sie diesen Hinweis schliessen oder mit dem Besuch der Seite fortfahren, akzeptieren Sie die Verwendung von Cookies. Weitere Informationen zu diesen Cookies und wie Sie die Datenbearbeitung durch sie ablehnen können, finden Sie in unserer Datenschutzerklärung.
OK