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 Film Kunst
  • Musik
  • Gesundheit

Unternavigation

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

Unternavigation

Breadcrumbs-Navigation

  1. Forschung an der Hochschule Luzern Forschung an der Hochschule Luzern
  2. Alle Projekte der Hochschule Luzern Alle Projekte der Hochschule Luzern
  3. 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
  • Pascal Baumann
  • Marc Bravin
  • Andrin Bürli
  • Roland Christen
  • Donnacha Daly
  • Fabian Gröger
  • Jörg Hofstetter
  • Reza Kakooee
  • Simone Lionetti
  • Sita Mazumder
  • Tobias Mérinat
  • Alessandro Motta
  • Joel Salzmann
  • Tim vor der Brück
  • Pascal Wullschleger
hidden

Beteiligte Personen extern

Externe Projektmitarbeiter/in
  • Sita Mazumder

Publikationen

  • Artikel, Rezension; peer reviewed (14)

    • Gottfrois, Philippe Léon-Marius; Gröger, Fabian; Andriambololoniaina, Herizo; Amruthalingam, Ludovic; Rakotoarisaona, Mendrika; Gonzales-Jimenez, Alvaro; Lionetti, Simone; Ng, Wingston; Hsu, Christophe; Kessy, Agnes; Pouly, Marc; Mavura, Daudi; Faith, Dingase; Traoré, Ibrahima; Rapelanoro, Rabenja & Navarini, Alexander (2024). PASSION for Dermatology: Bridging the Diversity Gap with Pigmented Skin Images from Sub-Saharan Africa. Proceedings of the 27th International Conference on Medical Image Computing and Computer Assisted Intervention,

    • Gonzalez-Jimenez, Alvaro; Lionetti, Simone; Bazazian, Dena; Gottfrois, Philippe Léon-Marius; Gröger, Fabian; Navarini, Alexander & Pouly, Marc (2024). Hyperbolic Metric Learning for Visual Outlier Detection. Proceedings of Beyond Euclidean Workshop: Hyperbolic and Hyperspherical Learning for Computer Vision, ECCV’24: European Conference on Computer Vision 2024, doi: 10.1007/978-3-031-91585-7_20

    • Gottfrois, Philippe Léon-Marius; Jie, Zhu; Steiger, Alexandra; Amruthalingam, Ludovic; Kind, Andre; Heinzelmann, Viola; Mang, Claudia; Mueller, Simon & Navarini, Alexander (2024). AI-powered visual diagnosis of vulvar lichen sclerosus: A pilot study. Journal of European Academy of Dermatology Venereology, 2024, doi: 10.1111/jdv.20306

    • Gröger, Fabian; Lionetti, Simone; Gottfrois, Philippe Léon-Marius; Gonzales-Jimenez, Alvaro; Amruthalingam, Ludovic; Groh, Matthew; Navarini, Alexander & Pouly, Marc (2024). Intrinsic Self-Supervision for Data Quality Audits. NeurIPS’24: Proceedings of the 38th Annual Conference on Neural Information Processing Systems,

    • Gröger, Fabian; Gottfrois, Philippe Léon-Marius; Amruthalingam, Ludovic; Gonzales-Jimenez, Alvaro; Lionetti, Simone; Soenksen Martinez, Luis; Navarini, Alexander & Pouly, Marc (2024). Towards Foundation Models for Digital Dermatology. Proceedings of the 4th Machine Learning for Health Symposium, Findings Track,

    • 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

    • Gonzalez-Jimenez, Alvaro; Lionetti, Simone; Gottfrois, Philippe Léon-Marius; Gröger, Fabian; Pouly, Marc & Navarini, Alexander (2023). Robust T-Loss for Medical Image Segmentation. MICCAI'23: Proceedings of the 26thInternational Conference on Medical Image Computing and Computer Assisted Intervention,

    • Gröger, Fabian; Lionetti, Simone; Gottfrois, Philippe Léon-Marius; Gonzales-Jimenez, Alvaro; Groh, Matthew; Daneshjou, Roxana; Consortium, Labelling; Navarini, Alexander & Pouly, Marc (2023). Towards Reliable Dermatology Evaluation Benchmarks. Proceedings of the Machine Learning for Health conference, 2023,

    • 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.

bedeutende Leistung

  • Preise und Ehrungen (2)

    • Lionetti, Simone (26.09.2024). MICCAI Outstanding Reviewer Honorable Mention für Conference review quality exceeding expectations.

    • Jimenez, Alvaro Gonzales; Lionetti, Simone; Gottfrois, Philippe Léon-Marius; Gröger, Fabian; Pouly, Marc & Navarini, Alexander (12.10.2023). Best Paper Award für Best Paper at MICCAI 2023.

Kurzinformation

Departement:

Informatik

Status:

Abgeschlossen

Zeitraum:

01.01.2017 - 31.12.2019

Projektleitung

Prof. Dr. Marc Pouly

Co-Head Applied AI Research Lab

+41 41 757 68 25

E-Mail anzeigen

Footer

FH Zentralschweiz

Links zu den Social-Media-Kanälen

  •  Instagram
  •  LinkedIn
  •  TikTok
  •  Facebook
  •  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
  • Für Studierende
  • Für Mitarbeitende

Quicklink

  • Personensuche
  • Standorte
  • Aktuell
  • Bibliotheken
  • Agenda
  • Medien
  • Jobs, Karriere und Berufsbildung
  • Home
  • Räume mieten

Statische Links

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

QrCode

QrCode