EN
Logo Leibniz IPHT
EN

Forschungsabteilung Photonic Data Science

Wissenschaftliches Profil

Die Forschungsabteilung erforscht den gesamten Daten-Lebenszyklus photonischer Daten, welcher sich von der Daten-Generierung über die Auswertung bis zur Archivierung erstreckt. Dabei wird der Daten-Lebenszyklus in einem ganzheitlichen Ansatz betrachtet und es werden Verfahren und Algorithmen für die Experimentplanung, die Fallzahlplanung, die Datenvorbehandlung und Datenstandardisierungen erforscht. Diese Verfahren werden mit ebenfalls zu erforschenden chemometrischen Verfahren, Modelltransfermethoden und Methoden der künstlichen Intelligenz in einer Datenpipeline kombiniert. Durch diesen ganzheitlichen Ansatz können Daten verschiedener photonischer Verfahren für die Analytik, Diagnostik und Therapie in verschiedenen Applikationsfeldern, z. B. der Medizin, den Lebens- und Umweltwissenschaften und der Pharmazie, nutzbar gemacht werden.

Weitere Schwerpunkte der Forschungsabteilung bilden die Datenfusion verschiedener heterogener Datenquellen, die Simulation verschiedener Messverfahren, um Korrekturprozeduren zu optimieren, Methoden zur Interpretation der Analysemodelle und die Konstruktion von Dateninfrastrukturen für verschiedene photonische Messdaten, welche die FAIR-Prinzipien gewährleisten.

Forschungsthemen

  • Maschinelles Lernen für photonische Bilddaten, Publikationen [1-4]
  • Chemometrie für spektrale Daten, Publikationen [5-8]
  • Korrelation verschiedener Messmethoden und Datenfusion, Publikationen [9-11]

Die Arbeiten der Arbeitsgruppe liefern die Grundlage neue photonische Verfahren für bio-medizinische Fragestellen anwenden zu können. Dabei werden die Auswerteverfahren nicht nur entwickelt, erforscht und verbessert, sondern diese Auswerteverfahren werden auch im applikativen Umfeld, wie in klinischen Studien, getestet.  

Anwendungsbereiche

  • Bio-medizinische Diagnostik mittels spektralen Messverfahren
  • Bio-medizinische Diagnostik mittels Bildgebenden Messverfahren
  • Extraktion von höheren Informationen aus photonischen Messdaten
  • Gewährleistung der FAIR Prinzipien für photonische Daten

Publikationen

  1. S. Guo; T. Bocklitz & J. Popp Optimization of Raman-Spectrum Baseline Correction in Biological Application Analyst, The Royal Society of Chemistry, 2016, 141, 2396-2404
  2. S. Guo; T. Bocklitz; U. Neugebauer & J. Popp Common Mistakes in Cross-Validating Classification Models Analytical Methods, 2017, 9, 4410-4417
  3. N. Ali; S. Girnus; P. Roesch; J. Popp & T. W. Bocklitz Sample size planning for multivariate data: a Raman spectroscopy based example Anal. Chem., Analytical Chemistry, American Chemical Society, 2018, 90, 12485-12492
  4. S. Guo; A. Kohler; B. Zimmermann; R. Heinke; S. Stöckel; P. Rösch; J. Popp & T. W. Bocklitz EMSC Based Model Transfer for Raman Spectroscopy in Biological Applications Anal. Chem., Analytical Chemistry, American Chemical Society, 2018, 90, 9787-9795
  5. T. Bocklitz; F. S. Salah; N. Vogler; S. Heuke; O. Chernavskaia; C. Schmidt; M. Waldner; F. R. Greten; R. Bräuer; M. Schmitt; A. Stallmach; I. Petersen & Jü. Popp Pseudo-HE images derived from CARS/TPEF/SHG multimodal imaging in combination with Raman-spectroscopy as a pathological screening tool BMC Cancer, 2016, 16, 1-11
  6. O. Chernavskaia; T. Bocklitz; T. Meyer; N. Vogler; D. Akimov; S. Heuke; S. Guo; R. Heintzmann & J. Popp Correction of mosaicking artefacts in multimodal images caused by uneven illumination J. Chemom., 2017, 31, e2908
  7. E. Rodner; T. Bocklitz; F. von Eggeling; G. Ernst; O. Chernavskaia; J. Popp; J. Denzler & O. Guntinas-Lichius Fully convolutional networks in multimodal nonlinear microscopy images for automated detection of head and neck carcinoma: A pilot study Head & Neck, 2019, 41, 116-121
  8. P. Pradhan; T. Meyer; M. Vieth; A. Stallmach; M. Waldner; M. Schmitt; J. Popp & T. Bocklitz Semantic segmentation of Non-Linear Multimodal images for disease grading of Inflammatory Bowel Disease -- A SegNet-based application Proceedings of the 8th International Conference on Pattern Recognition Applications and Methods - Volume 1: ICPRAM, SciTePress, 2019, 396-405
  9. O. Ryabchykov; J. Popp & T. Bocklitz Fusion of MALDI Spectrometric Imaging and Raman Spectroscopic Data for the Analysis of Biological Samples Frontiers in Chemistry, 2018, 6, 257
  10. T. Bocklitz; T. Meyer; M. Schmitt; I. Rimke; F. Hoffmann; F. von Eggeling; G. Ernst; O. Guntinas-Lichius & J. Popp Comparison of hyperspectral coherent Raman scattering microscopies for biomedical applications APL Photonics, 2018, 3, 092404
  11. R. Geitner; R. Fritzsch; J. Popp & T. W. Bocklitz corr2D -- Implementation of Two-Dimensional Correlation Analysis in R J. Stat. Softw., 2019, 90, 1-10
Logo Leibniz-Gemeinschaft