Seiteninterne Suche

Mitarbeiter

PD Dr. Samir Jabari

 

PD Dr. Samir Jabari

  • Tätigkeit: wissenschaftlicher Mitarbeiter, Öffentlichkeitsbeauftragter
  • Organisation: Institut für Anatomie Lehrstuhl I
  • Abteilung: RRZE-Kontaktperson
  • Adresse:
    Krankenhausstraße 9
    91054 Erlangen
    Detuschland
  • Telefonnummer: +49 9131 85-22867
  • E-Mail: samir.jabari@fau.de

Pubmed

 

Vergabe von Doktorarbeiten mit dem Schwerpunkt digitale Anatomie/ Pathologie:

Digitale Histologie und Histopathologie beschreibt den Prozess der Digitalisierung von Gewebeschnitten mittels sog. (Whole Slide) Scanner. Dadurch werden die nun digitalen Gewebeschnitte, auch Whole Slide Images (WSI) genannt, automatisierten digitalen Auswertungstechniken zugänglich. Dabei sind Algorithmen basierte Vorgehensweisen von Nöten, die in den Geweben eine Reihe von Aufgaben erfüllen müssen.

Eine der Aufgaben besteht in der Klassifikation der Gewebeschnitte zu einem bestimmten Typ.

Eine weitere Aufgabe ist die Detektion und Lokalisation von Objekten, z.B. Lymphozyten, Mitosen oder anderen spezifischen Zellen in diesen Gewebeschnitten.

Darüber hinaus stellt die Segmentation (d.h. Abgrenzung), beispielsweise von Epithelien zum Bindegewebe, eine weitere Herausforderung an die automatisierte Erkennung.

All diese automatisierten Erkennungsmechanismen werden in der Zukunft zunehmend die Arbeit und den Umgang mit medizinischen Bilddaten erleichtern, da Sie zu einer Reduzierung des Arbeitsaufwandes beitragen. Auf all diesen Feldern sind in den letzten Jahren mit dem Aufkommen von Deep-Learning Techniken außerdem signifikante Fortschritte gemacht worden. Das Aufgreifen dieser Entwicklung und Einbinden in Software –Applikationen, die direkt nutzbar werden, soll hierbei Forschung und praktische Anwendung direkt miteinander verbinden.

 

Kontext:

Die Doktorarbeit ist Teil eines größeren Projektes in dem, wie im Hintergrund beschrieben, verschiedene Aspekte der digitalen Pathologie in verschiedenen Doktorarbeiten bearbeitet werden sollen. Es existieren alle Gewebeschnitte bereits als digitale Datensätze und können direkt bearbeitet werden.

 

Methoden:

Komplexe Bild-Datenanalyse hauptsächlich mittels Deep-Learning-Verfahren (vor allem in Python und Keras, sowie Tensorflow). Entsprechendes Knowhow besteht innerhalb der Arbeitsgruppe und wird mit Freude vermittelt.

 

Anforderungen:

IT-, Mathematik- und Computerprogrammieraffinität.

Programmierkenntnisse (v.a. Python) von Vorteil, aber nicht zwingend Voraussetzung!

Erfahrung mit Deep-Learning Frameworks (hier v.a. Tensorflow und Keras) wünschenswert, aber ebenso nicht zwingend Voraussetzung!

Fähigkeit und Wille, sich in komplexe Themen einzuarbeiten und Frustrationstoleranz.

 

Chancen:

Buzzworte wie Neuronale Netze und Deep Learning hautnah zu erfahren und mitzugestalten.

Erlernen des Umgangs mit sog. Whole Slide Images und komplexen histo-pathologischen Bilddaten

Erlernen von Computerprogrammierfähigkeiten und das Arbeiten mit Deep-Learning Frameworks

(Python/ Tensorflow/ Keras)

Die Erstellung anwendbarer Software-Applikation ist ebenso, wie eine Publikation der Ergebnisse geplant.

 

Für ein Freisemesters kann ein Stipendium beim IZKF Erlangen beantragt werden

(http://www.izkf.uk-erlangen.de/nachwuchsfoerderung/medizindoktorandenprogramm/) .

 

Bei Interesse bitte eine Bewerbung inkl. Motivationsschreiben und Lebenslauf mit Erwähnung relevanter Vorkenntnisse an mich senden.

Ich freue mich auf Sie!