Computer Vision [CV]

Dozentinnen/Dozenten:

Ronak Kosti, Marc Stamminger, Vincent Christlein

Angaben:

Vorlesung, 2 SWS, ECTS: 2,5, nur Fachstudium

Termine:

Do, 16:15 - 17:45, 0.68

Studienrichtungen / Studienfächer:

WPF INF-MA ab 1
WF ICT-MA-MPS ab 1
WF CME-MA ab 1

Inhalt:

This lecture discusses important algorithms from the field of computer vision. The emphasis lies on 3-D vision algorithms, covering the geometric foundations of computer vision, and central algorithms such as stereo vision, structure from motion, optical flow, and 3-D multiview reconstruction. The course will also introduce Convolutional Neural Networks (with some examples to play around) and discuss it's importance and impact. Participants of this advanced course are expected to bring experience from prior lectures either from the field of pattern recognition or from the field of computer graphics.

Due to the unfortunate situation with the coronavirus (as of April 2020), it is not possible to start the course in the traditional face-to-face manner. We start with an 'inverted classroom' approach, where we pre-record lectures and upload them. Students are required to watch them before the actual lecture period.

The actual lecture period (over Zoom) is dedicated to solving doubts and answering queries that students might have for the lectures watched.

Empfohlene Literatur:

Richard Szeliski: Computer Vision: Algorithms and Applications, Springer 2011.

Richard Hartley and Andrew Zisserman: Multiple view geometry in Computer Vision. Cambridge university press, 2003.

Schlagwörter:

computer vision; stereo vision; structure from motion; multi-view reconstruction; convolutional neural networks

Computer Vision Exercise [CV-E]

Dozentinnen/Dozenten:

Prathmesh Madhu, Darius Rückert

Angaben:

Übung, 2 SWS, ECTS: 2,5, nur Fachstudium, Check StudOn: https://www.studon.fau.de/studon/ilias.php?ref_id=2944507&cmd=frameset&cmdClass=ilrepositorygui&cmdNode=yl&baseClass=ilRepositoryGUI

Termine:

Zeit/Ort n.V.

Studienrichtungen / Studienfächer:

WPF INF-MA ab 1
WF ICT-MA-MPS ab 1

Schlagwörter:

computer vision; stereo vision; structure from motion; multi-view reconstruction; convolutional neural networks

Datenbank Praxis [DBPraxis]

Dozent/in:

Peter Wilke

Angaben:

Vorlesung, 4 SWS, ECTS: 5, Online-Kurs

Termine:

Online-Kurs

Studienrichtungen / Studienfächer:

WF INF-BA ab 4
WF INF-MA ab 1
WF INF-BA-V-SWE ab 4
WF INF-BA-V-DB ab 4

Voraussetzungen / Organisatorisches:

* Dies ist ein Online-Kurs , betreutes Eigenstudium! *

Keine formalen Voraussetzungen, grundlegende Kenntnisse im Bereich Datenbanken (zum Beispiel durch Besuch der Grundlagenvorlesungen KonzMod und IDB im Bachelor) werden empfohlen.
Der Kurs wird als Online-Kurs im Selbststudium angeboten. Die Kommunikation erfolgt per E-Mail und dem Forum im StudOn-Kurs. Ggf. wird ein Besprechungstermin vereinbart.
Der Kurs setzt die sichere Beherrschung einer Programmiersprache (z.B. Java) voraus, ebenso Erfahrung mit IDEs (Eclipse o. ä.). Erste Erfahrung im Umgang mit Mainframes (z/OS, TSO, ISPF) wäre hervorragend; z.B. Mainframe Programmierung I oder II.

Inhalt:

Datenbanken werden in fast jedem Unternehmen zur persistenten Datenspeicherung eingesetzt. Nach den Grundlagenvorlesungen im Bachelor, die die theoretische Einführung in die Datenbankwelt gegeben haben und die Basis für diesen Kurs bilden, wird in diesem Online-Kurs die praktische Erfahrung in der Arbeit mit einem Datenbanksystem in den Fokus gerückt. Der Online-Kurs ist so aufgebaut, dass es keine Vorlesungstermine und -videos gibt. Stattdessen kann der gesamte Inhalt in textueller Form über StudOn erarbeitet werden. Dies ermöglicht eine individuelle zeitliche Einteilung des Lernstoffs während der Vorlesungszeit. Das in diesem Kurs verwendete Db2 for z/OS von IBM wird häufig im Enterprise-Umfeld eingesetzt. Insbesondere bei Banken, Versicherungsunternehmen und Softwarehäusern findet dieses Datenbanksystem Verwendung. Neben Oracle ist hier Db2 eines der weltweit am häufigsten eingesetzten Datenbanksysteme. Die Kursinhalte umfassen:

• Wiederholung der grundlegenden Konzepte aus den Bachelor-Pflichtvorlesungen

• Einführung und Überblick über Db2 for z/OS

• Administration von Db2 for z/OS

• Programmzugriff auf Db2 for z/OS

• Tools für Db2 for z/OS

• Angewandte Aufgaben anhand eines Praxisbeispiels

Empfohlene Literatur:

Ist im StudOn-Kurs verlinkt

Schlagwörter:

Mainframe, Programmierung, Programming, Administration, IBM, Datenbank, DB, Db2, Java, z, zOS

Deep Learning [DL]

Dozentinnen/Dozenten:

Andreas Maier, Katharina Breininger

Angaben:

Vorlesung, 2 SWS, ECTS: 2,5, nur Fachstudium, Information regarding the online teaching will be added to the studon course

Termine:

Mo, 14:15 - 15:45, H4

Studienrichtungen / Studienfächer:

WPF INF-MA ab 1
WPF MT-MA-BDV 1

Voraussetzungen / Organisatorisches:

The following lectures are recommended:

• Introduction to Pattern Recognition (IntroPR)

• Pattern Recognition (PR)

Application via https://www.studon.fau.de/crs2898025.html

Inhalt:

Deep Learning (DL) has attracted much interest in a wide range of applications such as image recognition, speech recognition and artificial intelligence, both from academia and industry. This lecture introduces the core elements of neural networks and deep learning, it comprises:

• (multilayer) perceptron, backpropagation, fully connected neural networks

• loss functions and optimization strategies

• convolutional neural networks (CNNs)

• activation functions

• regularization strategies

• common practices for training and evaluating neural networks

• visualization of networks and results

• common architectures, such as LeNet, Alexnet, VGG, GoogleNet

• recurrent neural networks (RNN, TBPTT, LSTM, GRU)

• deep reinforcement learning

• unsupervised learning (autoencoder, RBM, DBM, VAE)

• generative adversarial networks (GANs)

• weakly supervised learning

• applications of deep learning (segmentation, object detection, speech recognition, ...)
  

The accompanying exercises will provide a deeper understanding of the workings and architecture of neural networks.

Empfohlene Literatur:

• Ian Goodfellow, Yoshua Bengio, Aaron Courville: Deep Learning. MIT Press, 2016

• Christopher Bishop: Pattern Recognition and Machine Learning, Springer Verlag, Heidelberg, 2006

• Yann LeCun, Yoshua Bengio, Geoffrey Hinton: Deep learning. Nature 521, 436–444 (28 May 2015)

Schlagwörter:

deep learning; machine learning

Deep Learning Exercises [DL E]

Dozentinnen/Dozenten:

Katharina Breininger, Sulaiman Vesal, Florian Thamm, Felix Denzinger, Hendrik Schröter

Angaben:

Übung, 2 SWS, ECTS: 2,5, nur Fachstudium, This course will be held online until the coronavirus pandemic is contained to such an extent that the Bavarian state government can allow face-to-face teaching again. Information regarding the online teaching will be added to the studon course

Studienrichtungen / Studienfächer:

WPF INF-MA ab 1

Schlagwörter:

deep learning; machine learning

IT-Modernisierung [IT-Modern]

Dozent/in:

Peter Wilke

Angaben:

Vorlesung, 4 SWS, ECTS: 5, nur Fachstudium

Termine:

Mo, 10:00 - 14:00, 00.151-113

Studienrichtungen / Studienfächer:

WPF INF-MA ab 1
WPF INF-BA ab 4
WPF IIS-MA ab 1
WF ME-MA ab 1

Voraussetzungen / Organisatorisches:

* Lehrveranstaltung wird per Videokonferenz durchgeführt!*
* Auch im Fall, dass Präsenzveranstaltungen wieder erlaubt werden, wird NICHT in den Präsenzmodus gewechselt! *

Bei Interessen bitte Anmeldung per StudOn.

Momentan planen wir die Veranstaltung Mo 10:00-14:00 Uhr. Dies gibt uns die Möglichkeit ca. 1 Stunde Mittagspause zu machen, die konkrete Zeit und Dauer der Pause richtet sich nach dem Stoff. In der Mittagspause besteht die Gelegenheit, mit den Dozenten zu plaudern...
Prüfungsleistung: mdl. Prüfung von ca. 30min Dauer

Anrechenbar für anwendungsorientierte Säule.

Inhalt:

IT-Modernisierung beschäftigt sich mit dem Ersatz alter Software- und/oder Hardware. Software im kommerziellen Bereich hat eine typische Lebensdauer von über 25 Jahren, damit ist klar, dass diese keine der momentan oder zukünftig zur Verfügung stehenden Möglichkeiten nutzt oder nutzen kann, denn "damals" waren Single-CPUs der Standard und Vernetzung war unbekannt.
Durch das hohe Investitionsvolumen ist eine Neu-Programmierung praktisch nie wirtschaftlich sinnvoll und technisch oft unmöglich, da gar nicht genügend Programmierer zur Verfügung stehen. Die Software hat aber einen hohen Reifegrad erreicht, so dass sich die Frage stellt, wie man diese auf neue Technologien umstellen kann.
Dieses Modul beleuchtet nun exemplarisch, auf welchen Feldern Bedarf besteht, wie der Stand der Technik ist, und welche zukünftigen Fragestellungen sich abzeichnen.
Die Studierenden werden durch Übungsaufgaben mit den "alten" Programmiersprachen wie Cobol uä. vertraut gemacht, und bearbeiten selbstständig kleine Aufgaben in Form eines Online-Kurses.
Momentane Planung (Themen nicht zwingend in dieser Reihenfolge):

• Einleitung

• Überblick

• Aufbau (Architektur) eines Rechenzentrums

• DB2 unter z/OS

• Exkursion DATEV Rechenzentrum

• Exkursion Rechenzentrum einer Behörde

• Exkursion IBM Forschungslabor Böblingen

• Exkursion Fujitsu München

• RZ Konsolidierung

• Server Konsolidierung

• Cobol Grundlagen, RD/z, TSO/ISPF, JCL

• System z Hardware Grundlagen

• Java am Host

• Mainframe Programmierung

• Legacy-Anwendungen in einer Cloud-Architektur, CICS Modernisierung

• Internationalisierung: Unicode im Rechenzentrum

• Praxisbericht IT-Betrieb

• Infrastrukturen-Modernisierung

• usw.

Alle Exkursionen unter Vorbehalt einer Ersatzveranstaltung!

Empfohlene Literatur:

Alle Unterlagen werden über StudOn bereitgestellt.

Schlagwörter:

IT-Modernisierung, Fortran, Cobol, ABAP, Mainframe

Kolloquium Computer Vision [CVK]

Dozent/in:

Vincent Christlein

Angaben:

Kolloquium, 2 SWS

Termine:

Mo, 10:15 - 12:00, 09.150

Studienrichtungen / Studienfächer:

WPF MT-MA-BDV 1-2
WPF INF-MA ab 1

Kolloquium Enterprise Computing [EC]

Dozent/in:

Peter Wilke

Angaben:

Kolloquium, 2 SWS, ECTS: 2,5, Begleitseminar

Termine:

Do, 14:00 - 16:00, Raum n.V.
Ort: Immerwahrstrasse 2a, 1. Stock, links

Studienrichtungen / Studienfächer:

WF INF-MA ab 1

Schlagwörter:

Enterprise Computing, Mainframe, Programmierung

Kolloquium Hybride Bildgebung [HB]

Dozentinnen/Dozenten:

Andreas Maier, Torsten Kuwert

Angaben:

Kolloquium, 2 SWS

Termine:

Do, 17:00 - 19:00, Raum n.V.
Raum C-U1-566 (Bauteil C, Stockwerk U1), Internistisches Zentrum (INZ), Ulmenweg 18

Studienrichtungen / Studienfächer:

WPF INF-MA ab 1

Inhalt:

Es werden Themen zur Hybriden Bildgebung mit den Modalitäten SPECT, PET, CT und MR besprochen. Die genauen Inhalte der Sitzungen werden im ersten Treffen festgelegt. Das Kolloquium richtet sich an Lehrstuhlmitarbeiter und interessierte Studenten.

Kolloquium Image Analysis [IMA]

Dozent/in:

Weilin Fu

Angaben:

Kolloquium, 2 SWS

Termine:

Di, 16:00 - 18:00, 09.150

Studienrichtungen / Studienfächer:

WPF INF-MA ab 1

Kolloquium Image Fusion [IMF]

Dozent/in:

Katharina Breininger

Angaben:

Kolloquium, 2 SWS

Termine:

Fr, 14:00 - 16:00, 09.150

Studienrichtungen / Studienfächer:

WPF INF-MA ab 1

Inhalt:

Es werden aktuelle Themen zur medizinischen Bildregistrierung besprochen sowie Grundlagen vertieft. Die Themen werden blockweise im Verlauf des Semesters festgelegt. Teilnehmerkreis: Doktoranden, interessierte Master-Studenten, Diplomanden und Studienarbeiter.

Kolloquium Inverse Problems and Applications [IPA]

Dozent/in:

Lina Felsner

Angaben:

Kolloquium, 2 SWS

Termine:

Fr, 10:00 - 12:00, 09.150

Kolloquium Learning Approaches for Medical Big Data Analysis [LAMBDA]

Dozentinnen/Dozenten:

Sulaiman Vesal, Daniel Stromer

Angaben:

Kolloquium, 2 SWS

Termine:

Mo, 16:00 - 17:30, 09.150

Studienrichtungen / Studienfächer:

WPF INF-MA ab 1

Schlagwörter:

medical applications; big data

Kolloquium Magnetic Resonance Imaging [MRI]

Dozentinnen/Dozenten:

Andreas Maier, Armin Nagel, Frederik Laun, Moritz Zaiß

Angaben:

Kolloquium, 2 SWS, Das Kolloquium findet im Klinikum statt (Stand 1/2018: Radiologisches Institut, Ulmenweg 18, Trakt A, Raum U1.230-1).

Termine:

Do, 17:00 - 18:30, Raum n.V.

Studienrichtungen / Studienfächer:

WPF INF-MA ab 1

Schlagwörter:

magnetic resonance imaging, mri

Kolloquium Precision Learning [PL]

Dozent/in:

Leonid Mill

Angaben:

Kolloquium, 2 SWS

Termine:

Mo, 14:00 - 16:00, 09.150

Kolloquium Sprachverarbeitung [KSV]

Dozent/in:

Christian Bergler

Angaben:

Kolloquium, 2 SWS

Termine:

Zeit/Ort n.V.

Studienrichtungen / Studienfächer:

WPF INF-MA ab 1

Inhalt:

Schwerpunkte der Veranstaltung sind Veränderungen der Sprache durch krankheits- oder altersbedingte Einflüsse, Dialogsysteme und automatische Analyse des Fremdsprachenlernens. Weitere Themenvorschläge sind immer willkommen.

Mainframe Programmierung I [MainProg I]

Dozent/in:

Peter Wilke

Angaben:

Vorlesung mit Übung, ECTS: 5

Termine:

Online-Kurs im StudOn

Studienrichtungen / Studienfächer:

WF INF-MA ab 1

Voraussetzungen / Organisatorisches:

* Der Kurs wird als Online-Kurs bei der VHB im StudOn im betreuten Selbststudium angeboten. *

Anrechenbar für die Säulen:

• softwareorientiert

• anwendungsorientiert

Inhalt:

Der Begriff "Mainframe" bezeichnet grosse Rechenanlage, wie sie in der Wirtschaft für extrem grossen Anwendungen eingesetzt werden. Typische Branchen sind Banken und Versicherungen, aber auch Automobilhersteller und AI-Anwender.
Der Online-Kurs soll nun die Möglichkeit eröffnen, Erfahrungen mit der Programmierung eines Mainframes zu sammeln. Dazu gehören die elementaren Programmieraufgaben wie editieren, übersetzen, binden, laden, ausführen und debuggen, die anhand von Beispielen in der Programmiersprache CoBOL geübt werden.
Die Architektur der Mainframes werden sowohl aus Sicht der Rechnerarchitektur wie auch der Anwendersicht beleuchtet. Insbesondere werden die Virtualisierungsmöglichkeiten udn die gängigen Betriebssysteme wie z/OS und Linux auf den Mainframes behandelt.
Den Abschluss und Ausblick bildet die Datenhaltung und die Integration in die IT-Systemlandschaft.

Inhalt:
0. Begrüßung und Einführung
1. CoBOL Programmierung
2. Einführung Mainframes
3. IBM Mainframe Architektur
4. z/OS
5. Anwendungsprogrammierung
6. Virtualisierung
7. Linux
8. Integration in die IT-Systemlandschaft

Empfohlene Literatur:

Wird über StudOn zur Verfügung gestellt.

Schlagwörter:

Mainframe, Programmierung, Cobol, Fortran, z, zOS, CICS, REX, Rational

Mainframe Programmierung II [MainProg II]

Dozent/in:

Peter Wilke

Angaben:

Vorlesung mit Übung, 4 SWS, ECTS: 5, Online-Kurs

Termine:

Online-Kurs der VHB

Studienrichtungen / Studienfächer:

WF INF-BA-V-PS ab 4
WF INF-MA 1

Voraussetzungen / Organisatorisches:

* Der Kurs wird als Online-Kurs bei der VHB im StudOn im betreuten Selbststudium angeboten. *

Anrechenbar für die Säulen:

• softwareorientiert

• anwendungsorientiert

Inhalt:

Aufbauend auf dem Modul Mainframe Programmierung I wird das Bank of Cobol Beispiel erweitert. Es werden sowohl neue Funktionen auf Cobol-Basis hinzugefügt, wie auch das Datenmodell von Dateien auf ein Daten-Management-System umgestellt. Zusätzlich wird die Eingabeschnittstelle um eine Smart-Phone-App unter Android erweitert, so dass danach auch eine gesicherte Webanwendung zur Verfügung steht.

• Fachkompetenz
  

Lernende können ein Problem aus dem bereich Enterprise Computing in einzelne Teile zerlegen und so die Struktur des Problems verstehen; sie können Widersprüche aufdecken, Zusammenhänge erkennen und Folgerungen ableiten und zwischen Fakten und Interpretationen unterscheiden.

• Lern- bzw. Methodenkompetenz
  

Das Modul vermittelt sowohl Kompetenzen im selbstorganisierten Lernen, wie auch Erfahrungen mit einer multi-modalen Lernumgebung.

Schlagwörter:

Mainframe, Programmierung, Programming, Unternehmensdatenverarbeitung, Enterprise Computing

Medical Image Processing for Diagnostic Applications (VHB-Kurs) [MIPDA]

Dozentinnen/Dozenten:

Julian Hoßbach, Tristan Gottschalk, Lina Felsner

Angaben:

Vorlesung, 4 SWS, ECTS: 5

Termine:

Zeit/Ort n.V.

Studienrichtungen / Studienfächer:

WPF INF-MA ab 1
WPF INF-BA-V-ME ab 5
PF CE-MA-TA-IT ab 1
WPF IuK-MA-MMS-INF ab 1
WPF ICT-MA-MPS 1-4
WPF MT-MA-BDV ab 1
WPF MT-BA ab 5
WF CME-MA 1-4

Voraussetzungen / Organisatorisches:

Requirements: mathematics for engineering

Organization: This is an online course of Virtuelle Hochschule Bayern (VHB). Go to https://www.vhb.org to register to this course. FAU students register for the written exam via meinCampus.

Inhalt:

Medical imaging helps physicians to take a view inside the human body and therefore allows better treatment and earlier diagnosis of serious diseases.

However, as straightforward as the idea itself is, so diversified are the technical difficulties to overcome when implementing a clinically useful imaging device.

We begin this course by discussing all available modalities and the actual imaging goals which highly affect the imaging result.

Some modalities produce very noisy results, but there are multiple other artifacts that show up in raw acquisition data and have to be dealt with. We address these issues in the chapter preprocessing and show how to compensate for image distortions, how to interpolate defect pixels, and finally correct bias fields in magnetic resonance images.

The largest portion of this course covers the theory of medical image reconstruction. Here, from a set of projections from different viewing angles a 3-D image is merged that allows a definite localization of anatomical and pathological features. Following roughly the historical development of CT devices, we study the process from parallel beam to fan beam geometry and include a discussion of phantoms as a tool for calibration and image quality assessment. We then move forward and learn about reconstruction in 3-D. Since the system matrix often grows in dimensions such that many direct solvers become infeasible, we also discuss pros and cons of iterative methods.

In the final chapter, image registration is introduced as the concept of computing the mapping that maps the content of one image to another. Two different acquisitions usually result in images that are at least rotated and translated against each other. Image registration forms the set of tools that we need to match certain image features in order to align both images for further processing, image improvement or image overlays.

Schlagwörter:

Mustererkennung, Medizinische Bildverarbeitung

Medical Image Processing for Interventional Applications (VHB-Kurs) [MIPIA]

Dozentinnen/Dozenten:

Julian Hoßbach, Tristan Gottschalk, Lina Felsner

Angaben:

Vorlesung, 4 SWS, ECTS: 5

Termine:

Zeit/Ort n.V.

Studienrichtungen / Studienfächer:

WPF MT-BA ab 5
WPF INF-BA-V-ME 4-6
WPF INF-MA 1-4
WPF IuK-MA-MMS-INF 1-3
WPF ICT-MA-MPS 1-4
WF CE-MA-INF ab 1
WPF MT-MA-BDV 1-2

Voraussetzungen / Organisatorisches:

mathematics for engineering; This lecture focuses on interventional procedures. It is recommended but not necessary to attend Medical Image Processing for Diagnostic Applications (MIPDA) before.

Inhalt:

This lecture focuses on recent developments in image processing driven by medical applications. All algorithms are motivated by practical problems. The mathematical tools required to solve the considered image processing tasks will be introduced.

In addition to the lectures, we also offer exercise classes. The exercises consist of theoretical parts where you immerse in lecture topics. But we also set emphasis on the practical implementation of the methods.

Schlagwörter:

Mustererkennung, Medizinische Informatik, Medizinische Bildverarbeitung

Medizintechnik II [MT2]

Dozent/in:

Andreas Maier

Angaben:

Vorlesung, 4 SWS, ECTS: 3,75, für Anfänger geeignet, This course will be held online until the coronavirus pandemic is contained to such an extent that the Bavarian state government can allow face-to-face teaching again. The exercises will start in the second week (26.-30.4.). The lecture videos can be found at https://www.video.uni-erlangen.de/course/id/1022 and all further information can be found on studon https://www.studon.fau.de/crs2961834.html

Termine:

Mi, 12:15 - 13:45, H4
Do, 10:15 - 11:45, H4

Studienrichtungen / Studienfächer:

PF MT-BA 2

Inhalt:

Die Vorlesung MT2 richtet sich an Studierende des Studiengangs Medizintechnik und zählt dort zu den Grundlagenvorlesungen im Bereich Informatik. Methoden und Geräte, welche die Anatomie und Funktion des Körpers für die Diagnose und Therapie aufarbeiten und darstellen, werden erklärt. Ein Schwerpunkt liegt auf dem Verständnis und der Anwendung von Grundalgorithmen der medizinischen Bildverarbeitung, wie beispielsweise Segmentierung, Filterung und Bildrekonstruktion. Die vorgestellten Modalitäten beinhalten Röntgensysteme, Computertomographie (CT), Magnetresonanztomographie (MRT), Optische Kohärenztomographie (OCT) und Ultraschall (US).

Empfohlene Literatur:

• Olaf Dössel: Bildgebende Verfahren in der Medizin: Von der Technik zur medizinischen Anwendung, Springer, 1999.

• Arnulf Oppelt: Imaging Systems for Medical Diagnostics, Publicis Kommunikations AG, Erlangen, 2005

Medizintechnik II Rechnerübung [MT2-RUE]

Dozent/in:

Stephan Seitz

Angaben:

Übung, 2 SWS, für Anfänger geeignet, This course will be held online until the coronavirus pandemic is contained to such an extent that the Bavarian state government can allow face-to-face teaching again. The exercises will start in the second week (26.-30.4.)

Studienrichtungen / Studienfächer:

PF MT-BA 2

Inhalt:

In selbstständiger, aber betreuter Projektarbeit werden die Inhalte der Vorlesung direkt angewandt und dadurch vertieft. Dazu erarbeiten die Studierenden eine technische Lösung für eine konkrete medizinische Fragestellung.

Medizintechnik II Tafelübung [MT2-TUE]

Dozent/in:

Stephan Seitz

Angaben:

Übung, 2 SWS, ECTS: 1,25, für Anfänger geeignet, This course will be held online until the coronavirus pandemic is contained to such an extent that the Bavarian state government can allow face-to-face teaching again. The exercises will start in the second week (26.-30.4.)

Studienrichtungen / Studienfächer:

PF MT-BA 2

Inhalt:

In selbstständiger, aber betreuter Projektarbeit werden die Inhalte der Vorlesung direkt angewandt und dadurch vertieft. Dazu erarbeiten die Studierenden eine technische Lösung für eine konkrete medizinische Fragestellung in gemeinsamer Gruppenarbeit.

Medizintechnik II Tutorenbesprechung [MT2-TUT]

Dozent/in:

Stephan Seitz

Angaben:

Übung

Termine:

Do, 8:15 - 9:45, 00.151-113

Pattern Analysis [PA]

Dozent/in:

Christian Riess

Angaben:

Vorlesung, 3 SWS, benoteter Schein, ECTS: 3,75, This course will be held online until the coronavirus pandemic is contained to such an extent that the Bavarian state government can allow face-to-face teaching again

Termine:

Mi, 14:15 - 15:45, H16
Do, 16:15 - 17:45, H16

Studienrichtungen / Studienfächer:

PF MT-MA-BDV 1-4
WPF IuK-MA-MMS-INF 1-4
WPF ICT-MA-MPS 1-4
WPF CME-MA 1-4
WF CME-MA 1-4
WPF INF-MA 1-4
WPF CE-MA-INF ab 1
WF ASC-MA 1-4

Voraussetzungen / Organisatorisches:

Please join the class "Pattern Analysis" in studOn. All lecture material will be linked and made available there.
It is recommended (but not mandatory) that participants attend the lecture Pattern Recognition first.

Inhalt:

This lecture complements the lectures "Introduction to Pattern Recognition" and "Pattern Recognition". In this third edition, we focus on analyzing and simplifying feature representations. Major topics of this lecture are density estimation, clustering, manifold learning, hidden Markov models, conditional random fields, and random forests. The lecture is accompanied by exercises, where theoretical results are practically implemented and applied.

Empfohlene Literatur:

• Christopher Bishop: Pattern Recognition and Machine Learning, Springer Verlag, Heidelberg, 2006
  

• T. Hastie, R. Tibshirani, J. Friedman: The Elements of Statistical Learning, 2nd edition, Springer Verlag, 2017.
  

• Antonio Criminisi and J. Shotton: Decision Forests for Computer Vision and Medical Image Analysis, Springer, 2013
  

• papers referenced in the lecture

Schlagwörter:

pattern recognition, pattern analysis

Pattern Analysis Programming [PA-Prog]

Dozentinnen/Dozenten:

Dalia Rodriguez Salas, Mathias Seuret, Ronak Kosti

Angaben:

Übung, 1 SWS, ECTS: 1,25, This course will be held online until the coronavirus pandemic is contained to such an extent that the Bavarian state government can allow face-to-face teaching again

Studienrichtungen / Studienfächer:

WPF ICT-MA-MPS ab 1
WPF INF-MA ab 1
WPF MT-MA-BDV ab 1
WPF CME-MA ab 1
WPF CE-MA-INF ab 1
WPF IuK-MA-MMS-INF ab 1
WF ASC-MA ab 1

Voraussetzungen / Organisatorisches:

The exercise material is published in the studOn class for the lecture Pattern Analysis.

Inhalt:

Python programming exercises to supplement and practice the contents of the lecture Pattern Analysis.

Schlagwörter:

pattern analysis, programming

Pattern Recognition Symposium [PRS]

Dozent/in:

Andreas Maier

Angaben:

Kolloquium, 1 SWS, dreitägige Blockveranstaltung im Anschluss an die Vorlesungszeit

Termine:

Zeit/Ort n.V.

Schlagwörter:

pattern recognition, medical image processing, computer vision, speech processing, digital sports

Praktikum Enterprise Computing [PraktEC]

Dozent/in:

Peter Wilke

Angaben:

Praktikum, 2 SWS, ECTS: 10

Termine:

Do, 16:00 - 19:00, Raum n.V.
Ort: Immerwahrstrasse 2a, 1. Stock, links

Studienrichtungen / Studienfächer:

WPF INF-BA ab 4

Voraussetzungen / Organisatorisches:

Das Praktikum findet in Kooperation mit Betrieben statt, die uns Einblick in ihre Datenverarbeitung geben. Gemeinsamer Jour Fixe ist Do 16:00 - max. 19 Uhr, die restliche Zeit arbeitet Ihr von Zuhause oder im Betrieb am Praktikumsprojekt.

Inhalt:

Das Praktikum richtet sich an Studierende, die einen Einblick in die betriebliche Datenverarbeitung bekommen wollen. Anhand von Problemstellung aus der Wirtschaft soll das Vorgehen und die Techniken in großen Software-Projekten beleuchtet werden.

Als Themen stehen zur Auswahl:
• Transaktionen Personalwirtschaft
• Technische Basis Personalwirtschaft
• Low-Code-Plattformen - Eine Alternative auch für die Entwicklung unter z/OS?
• Praktikum Softwareentwicklung Mainframe (IT-Security)
• Flexible Verwertung/Visualisierung von Monitoring Daten (bspw. mittels Jupyter)
• Aggregation der Detector Daten

Im StudOn haben wir detailliertere Beschreibungen dieser Themen hinterlegt:
Angebote
5. Tech
5.3 INF
INF 5 (Mustererkennung)
Enterprise Computing
Mainframe Programmierung
Enterprise Computing (Praktikum&Projekt) SS19

Empfohlene Literatur:

wird gerade zusammengestellt

Schlagwörter:

Enterprise Computing, Unternehmensdatenverarbeitung

Praktikum Mustererkennung [PME]

Dozent/in:

Andreas Maier

Angaben:

Praktikum, 4 SWS, ECTS: 5

Termine:

Zeit/Ort n.V.

Studienrichtungen / Studienfächer:

WPF INF-BA-V-ME ab 5
WPF MT-BA-BV ab 5
WPF INF-BA-V-MI ab 5
WPF IuK-BA ab 5

Praktikum Representation Learning [PRL]

Dozentinnen/Dozenten:

Vincent Christlein, Christian Bergler

Angaben:

Praktikum, ECTS: 5, This course will be held online until the coronavirus pandemic is contained to such an extent that the Bavarian state government can allow face-to-face teaching again.

Termine:

Mi, 10:00 - 12:00, 00.152-113
Mi, 8:30 - 10:00, 0.01-142 CIP
on the first day Wednesday 22nd of April only the 10:00 o'clock event will happen

Studienrichtungen / Studienfächer:

WPF MT-BA-BV ab 5
WPF INF-BA-V-ME ab 5
WPF INF-BA-V-MI ab 5
WPF IuK-BA ab 5

Inhalt:

The goal of this pracatical course is to familiarize the students with the overall pipeline of a Pattern Recognition System. The various steps involved in the traditional pattern recognition pipeline including data preprocessing, feature extraction, and classification are presented and compared with modern deep learning approaches. The course alternates between theoretical lectures and practical exercises, where the theoretical concepts will be implemented in Python, and applied to real-world applications regarding speech and image processing.

Schlagwörter:

Mustererkennung, Deep Learning, Machine Learning

Project Magnetic Resonance Imaging sequence programming [MRIpulseq]

Dozentinnen/Dozenten:

Andreas Maier, Moritz Zaiß

Angaben:

Praktikum, benoteter Schein, ECTS: 5

Termine:

Mo-Fr, 9:30 - 17:30, Raum n.V.
Die Veranstaltung findet online statt (weitere Informationen s. StudOn-Link).
vom 14.9.2020 bis zum 25.9.2020

Projekt Computer Vision [ProjCV]

Dozent/in:

Vincent Christlein

Angaben:

Praktikum, ECTS: 10, This course will be held online until the coronavirus pandemic is contained to such an extent that the Bavarian state government can allow face-to-face teaching again

Termine:

Mo, 12:00 - 14:00, Übung 3 / 01.252-128, 00.156-113 CIP

Studienrichtungen / Studienfächer:

WPF INF-MA ab 1
WPF MT-MA ab 1

Voraussetzungen / Organisatorisches:

Basic knowledge of image processing is desirable. In the first session there will be a short recap on image representation and basic image filtering techniques. However, having visited lectures such as Introduction to Pattern Recognition (IntroPR) or Diagnostic Medical Image Processing (DMIP) might prove beneficial.
Please contact us if you have any questions. You can register via Studon (https://www.studon.fau.de/crs2949212.html) for the Computer Vision Project. During the semester lecture and exercise alternate on a weekly basis. Exercises are supervised and take place in one of the CIP pools. All exercises must be completed.

You can get either 5 or 10 ECTS credits for this project. The following options are available:
5 ECTS (counts as: Hochschulpraktikum)
This option requires:

• lectures (strongly recommended as they introduce the background required for the exercises)

• exercises (in groups of 2 people) need to be finished on time

• individual presentation about a state-of-the-art research paper at the end of the semester (graded if needed)

10 ECTS (counts as Hochschulpraktikum (5 ECTS) + Forschungspraktikum (5 ECTS), or Master Project Computer Science (10 ECTS))

• lectures (strongly recommended as they introduce the background required for the exercises)

• exercises (in groups of 2 people) need to be finished on time

• individual coding/research project under supervision of a LME PhD student at the end of regular schedule (graded if needed)
  

Important: You cannot use the lecture/exercise part as a 5 ECTS research project (Forschungspraktikum). Please contact one of the PhD students at the lab if you need a research project.

Inhalt:

This project gives you the chance to learn about current computer vision topics and get practical experience in the field during the exercises.
Last semester, the following topics were covered:

• Image processing of distance images

• Statistical Shape Models

• Face Recognition

• Super-Resolution

• Image Retrieval

Schlagwörter:

Master Project, Pattern Recognition, Computer Vision

Projekt Enterprise Computing [ProjEC]

Dozent/in:

Peter Wilke

Angaben:

Projektseminar, 2 SWS, ECTS: 10

Termine:

Do, 16:00 - 19:00, Raum n.V.
Immerwahrstrasse 2a, 1. Stock, links

Studienrichtungen / Studienfächer:

WPF INF-MA ab 1

Voraussetzungen / Organisatorisches:

Das Praktikum findet in Kooperation mit Betrieben statt, die uns Einblick in ihre Datenverarbeitung geben. Gemeinsamer Jour Fixe ist Do 16:00 - max. 19 Uhr, die restliche Zeit arbeitet Ihr von Zuhause oder im Betrieb am Praktikumsprojekt.

Inhalt:

Das Praktikum richtet sich an Studierende, die einen Einblick in die betriebliche Datenverarbeitung bekommen wollen. Anhand von Problemstellung aus der Wirtschaft soll das Vorgehen und die Techniken in großen Software-Projekten beleuchtet werden.

Als Themen stehen zur Auswahl:
• Transaktionen Personalwirtschaft
• Technische Basis Personalwirtschaft
• Low-Code-Plattformen - Eine Alternative auch für die Entwicklung unter z/OS?
• Praktikum Softwareentwicklung Mainframe (IT-Security)
• Flexible Verwertung/Visualisierung von Monitoring Daten (bspw. mittels Jupyter)
• Aggregation der Detector Daten

Im StudOn haben wir detailliertere Beschreibungen dieser Themen hinterlegt:
Angebote
5. Tech
5.3 INF
INF 5 (Mustererkennung)
Enterprise Computing
Mainframe Programmierung
Enterprise Computing (Praktikum&Projekt) SS19

Schlagwörter:

Enterprise Computing, Unternehmensdatenverarbeitung

Projekt Flat-Panel CT Reconstruction [ProjFCR]

Dozentinnen/Dozenten:

Jennifer Maier, Rebecca Fahrig

Angaben:

Praktikum, ECTS: 10, This course will be held online until the coronavirus pandemic is contained to such an extent that the Bavarian state government can allow face-to-face teaching again. No registration is required to attend this course. If you are interested, attend the first lecture on April 21st 2020. All further information will be provided in the StudOn course (link below).

Termine:

Di, 10:00 - 12:00, 0.01-142 CIP

Studienrichtungen / Studienfächer:

WPF INF-MA ab 1
WPF MT-MA ab 3

Inhalt:

The aim of this master project is to build a state-of-the-art flat-panel CT reconstruction software. The project is designed in two parts: The first part is the Academic Laboratory (Hochschulpraktikum). These 5 ECTS can be earned by attending the course, finishing the exercises and giving a short presentation at the end of the semester. The second part is the 5 ECTS Research Laboratory (Forschungspraktikum), where after the semester the students can work on research topics related to the topics taught in the course.
In the Academic Laboratory, the basics of CT reconstruction will be developed in a group. All participants will create a basic CT reconstruction pipeline that is able to reconstruct flat-panel CT images.
The following topics will be taught and implemented in this course:

• Parallel-beam reconstruction

• Fan-beam reconstruction

• Cone-beam reconstruction

• Hardware-acceleration using the graphics card

In the Research Laboratory, the participants will be asked to adopt the designed pipeline individually to specific problems in CT reconstruction. These topics are always related to current research at the Pattern Recognition Lab, including for example:

• Limited field-of-view

• Limited acquisition angle

• Reconstruction with few projections

• Noise reduction

• Motion compensation
  

You will incorporate your work into a fully-fledged CT reconstruction and analysis tool that makes it easy to evaluate the reconstruction algorithms. At the end of the project, a trip to the Siemens Healthineers in Forchheim is planned in order to experiment with a real scanner.

Schlagwörter:

Master Project, Pattern Recognition, CT Reconstruction

Projekt Mustererkennung [ProjME]

Dozent/in:

Andreas Maier

Angaben:

Sonstige Lehrveranstaltung, benoteter Schein, ECTS: 10, At the Pattern Recognition Lab we offer project topics that are connected to our current research in the fields of medical image processing, speech processing and understanding, computer vision and digital sports. Other than a course with fixed topic, project topics are defined individually. The 10 ECTS project is directed towards students of computer science. However, most projects can also be offered as 5 ECTS medical engineering Academic Lab or Research Lab. Please have a look at our website for an overview: https://lme.tf.fau.de/teaching/thesis/

Termine:

Zeit/Ort n.V.

Studienrichtungen / Studienfächer:

WPF INF-MA ab 1

Inhalt:

Es werden mehrere verschiedene Aufgabenstellungen angeboten. Details zum Thema und der Bearbeitungszeit finden sich unter http://www5.cs.fau/theses/masterproject

Schlagwörter:

Master Projekt Project

Seminar Automatische Analyse von Stimm-, Sprech- und Sprachstörungen bei Sprachpathologien [SemSprachPath]

Dozentinnen/Dozenten:

Tino Haderlein, Christian Bergler

Angaben:

Seminar, 4 SWS, ECTS: 5

Termine:

Der Termin wird in Absprache mit den Teilnehmern festgelegt. Sommersemester 2020: Sie werden per E-Mail über den weiteren Verlauf des Seminars (Vorbesprechung: ca. 2-3 Wochen nach Semesteranfang) informiert.

Studienrichtungen / Studienfächer:

WPF INF-BA-SEM 3-6
WPF IuK-BA 3-6
WPF MT-BA 5-6
WPF MT-MA ab 1
WF CE-BA-SEM 3-6

Voraussetzungen / Organisatorisches:

Die Themenvergabe und die Terminfindung finden zu Beginn des Semesters statt. Alle weiteren Termine werden in Absprache mit den angemeldeten Personen festgelegt. Anmeldung bitte an: tino.haderlein@fau.de
Über die Vergabe der Seminarplätze entscheidet die Reihenfolge der Anmeldungen.

Inhalt:

Dieses Seminar befasst sich damit, wie Diagnose und Therapie von unterschiedlichen Sprachpathologien durch Sprachtechnologie unterstützt werden können.
Die Teilnehmer sollen in einem Vortrag ausgewählte Sprach-, Sprech- und Stimmstörungen vorstellen und entsprechende Technologien aus dem Bereich der Mustererkennung und Sprachverarbeitung aufzeigen.

Schlagwörter:

Sprachverarbeitung, Sprachpathologien

Seminar Computer Vision [SemCV]

Dozentinnen/Dozenten:

Anguelos Nicolaou, Ronak Kosti

Angaben:

Seminar, 4 SWS, ECTS: 5, This course will be held online until the coronavirus pandemic is contained to such an extent that the Bavarian state government can allow face-to-face teaching again

Termine:

Di, 14:00 - 16:00, 02.134-113

Studienrichtungen / Studienfächer:

WPF INF-MA ab 1
WPF CE-MA-SEM ab 1
WPF ICT-MA ab 1

Inhalt:

Seminar Computer Vision (CV) will consist mostly of students presenting Computer Vision scientific literature. This seminar will be designed as a micro-conference where lecturers will be the reviewers/chairs. The seminar follows ‘View Points’ and ‘CV topics’ in parallel. Each CV topic has to be explored at the least on each of the listed view points. So, every presentation on any particular cv topic will assess or evaluate how it fares on each of the view points.

Seminar Requirements:

Familiarity with Scientific reading/writing (in English)

Familiarity with Image or Signal processing

View points:

1. Energy

2. Reproducibility

3. Interpretability

4. Performance Evaluation

5. Model Capacity

CV Topics:

Image Classification

Pixel Classification

BBox Regression: Faster RCNN, RetinaNet, etc

Keypoint detection, registration

Saliency, Attention

Captioning

Show and tell

Image Captioning with Semantic Attention

Adversarial Losses (GAN)

Variational Auto Encoders (VAE)

Adversarial Samples

Empfohlene Literatur:

Hartley R. and Zisserman A.: "Multiple View Geometry in Computer Vision", Cambridge University Press, 2004

Schlagwörter:

computer vision, pinhole camera model, stereo vision

Seminar Digital Pathology and Deep Learning [SemDP]

Dozentinnen/Dozenten:

Andreas Maier, Marc Aubreville, Joachim Hornegger, Samir Jabari, Ingmar Blümcke

Angaben:

Seminar, 2 SWS, ECTS: 5, nur Fachstudium, This course will be held online until the coronavirus pandemic is contained to such an extent that the Bavarian state government can allow face-to-face teaching again

Termine:

Mo, 8:15 - 9:45, KH 1.021

Studienrichtungen / Studienfächer:

WPF INF-MA ab 1
WPF MT-MA-BDV ab 1
WPF CE-MA-TA-MT ab 1

Voraussetzungen / Organisatorisches:

Registration via StudOn: https://www.studon.fau.de/crs2884557.html

Inhalt:

Pathology is the study of diseases and aims to deliver a fine-grained diagnosis to understand processes in the body as well as to enable targeted treatment. In this area, the opportunities for digital image processing are vast: While the need for precision medicine, i.e., taking into account various co-dependencies when formulating the best possible treatment for a patient, is high, the number of pathologists is not increasing accordingly. Deep learning-based techniques can be used for different objectives in this scope. Examples include screening large microscopy images for specific rare events, providing visual augmentation with analysis data. Additionally, the availability of massive data collections, including genomics and further biological factors, can be utilized to determine specific information about diseases that were previously unavailable.

This seminar is offered to students of medicine as well as computer sciences and medical engineering and similar. Students will have to present a topic from this field in a short (30 min) and comprehensive presentation.

List of topics:

• Staining and special stains (including immunohistochemistry, enzyme-based dyes and tissue microarrays)

• Current computational pathology

• Knowledge/Feature fusion into a diagnosis

• Histopathology quality control

• Data sets as limiting factor - limits of current data sets

• Large scale / clinical grade solutions

• Computational and augmented tumor grading

• In vivo microstructural analysis

• Big data in pathology (multi-omics)

• Histology image registration

• Staining differences and stain normalization

• Transfer learning and domain adaptation

• Explainable AI

• Virtual staining

• Digital workflow in Germany vs. the world

• Limits of digital pathology

Schlagwörter:

algorithms; medical image processing