Publications at the Faculty of Computer Science and Automation since 2015

Results: 1544
Created on: Mon, 16 May 2022 23:13:16 +0200 in 0.0874 sec


Katzmann, Alexander;
Deep learning for clinical decision support in oncology. - Ilmenau : Universitätsbibliothek, 2022. - 1 Online-Ressource (168 Seiten)
Technische Universität Ilmenau, Dissertation 2022

Bibliography p. 123-139

In den letzten Jahrzehnten sind medizinische Bildgebungsverfahren wie die Computertomographie (CT) zu einem unersetzbaren Werkzeug moderner Medizin geworden, welche eine zeitnahe, nicht-invasive Begutachtung von Organen und Geweben ermöglichen. Die Menge an anfallenden Daten ist dabei rapide gestiegen, allein innerhalb der letzten Jahre um den Faktor 15, und aktuell verantwortlich für 30 % des weltweiten Datenvolumens. Die Anzahl ausgebildeter Radiologen ist weitestgehend stabil, wodurch die medizinische Bildanalyse, angesiedelt zwischen Medizin und Ingenieurwissenschaften, zu einem schnell wachsenden Feld geworden ist. Eine erfolgreiche Anwendung verspricht Zeitersparnisse, und kann zu einer höheren diagnostischen Qualität beitragen. Viele Arbeiten fokussieren sich auf "Radiomics", die Extraktion und Analyse von manuell konstruierten Features. Diese sind jedoch anfällig gegenüber externen Faktoren wie dem Bildgebungsprotokoll, woraus Implikationen für Reproduzierbarkeit und klinische Anwendbarkeit resultieren. In jüngster Zeit sind Methoden des "Deep Learning" zu einer häufig verwendeten Lösung algorithmischer Problemstellungen geworden. Durch Anwendungen in Bereichen wie Robotik, Physik, Mathematik und Wirtschaft, wurde die Forschung im Bereich maschinellen Lernens wesentlich verändert. Ein Kriterium für den Erfolg stellt die Verfügbarkeit großer Datenmengen dar. Diese sind im medizinischen Bereich rar, da die Bilddaten strengen Anforderungen bezüglich Datenschutz und Datensicherheit unterliegen, und oft heterogene Qualität, sowie ungleichmäßige oder fehlerhafte Annotationen aufweisen, wodurch ein bedeutender Teil der Methoden keine Anwendung finden kann. Angesiedelt im Bereich onkologischer Bildgebung zeigt diese Arbeit Wege zur erfolgreichen Nutzung von Deep Learning für medizinische Bilddaten auf. Mittels neuer Methoden für klinisch relevante Anwendungen wie die Schätzung von Läsionswachtum, Überleben, und Entscheidungkonfidenz, sowie Meta-Learning, Klassifikator-Ensembling, und Entscheidungsvisualisierung, werden Wege zur Verbesserungen gegenüber State-of-the-Art-Algorithmen aufgezeigt, welche ein breites Anwendungsfeld haben. Hierdurch leistet die Arbeit einen wesentlichen Beitrag in Richtung einer klinischen Anwendung von Deep Learning, zielt auf eine verbesserte Diagnose, und damit letztlich eine verbesserte Gesundheitsversorgung insgesamt.



https://doi.org/10.22032/dbt.51864
Dölker, Eva-Maria; Lau, Stephan; Bernhard, Maria Anne; Haueisen, Jens;
Perception thresholds and qualitative perceptions for electrocutaneous stimulation. - In: Scientific reports, ISSN 2045-2322, Bd. 12 (2022), 7335, S. 1-12

Our long-term goal is the development of a wearable warning system that uses electrocutaneous stimulation. To find appropriate stimulation parameters and electrode configurations, we investigate perception amplitude thresholds and qualitative perceptions of electrocutaneous stimulation for varying pulse widths, electrode sizes, and electrode positions. The upper right arm was stimulated in 81 healthy volunteers with biphasic rectangular current pulses varying between 20 and 2000 [my]s. We determined perception, attention, and intolerance thresholds and the corresponding qualitative perceptions for 8 electrode pairs distributed around the upper arm. For a pulse width of 150 [my]s, we find median values of 3.5, 6.9, and 13.8 mA for perception, attention, and intolerance thresholds, respectively. All thresholds decrease with increasing pulse width. Lateral electrode positions have higher intolerance thresholds than medial electrode positions, but perception and attention threshold are not significantly different across electrode positions. Electrode size between 15 × 15 mm^2 and 40 × 40 mm^2 has no significant influence on the thresholds. Knocking is the prevailing perception for perception and attention thresholds while mostly muscle twitching, pinching, and stinging are reported at the intolerance threshold. Biphasic stimulation pulse widths between 150 [my]s and 250 [my]s are suitable for electric warning wearables. Within the given practical limits at the upper arm, electrode size, inter-electrode distance, and electrode position are flexible parameters of electric warning wearables. Our investigations provide the basis for electric warning wearables.



https://doi.org/10.1038/s41598-022-10708-9
Köcher, Chris;
Rational, recognizable, and aperiodic partially lossy queue languages. - In: International journal of algebra and computation, ISSN 0218-1967, Bd. 32 (2022), 03, S. 483-528

Partially lossy queue monoids (plq monoids) model the behavior of queues that can non-deterministically forget specified parts of their content at any time. We call the subsets of this monoid partially lossy queue languages (plq languages). While many decision problems on recognizable plq languages are decidable, most of them are undecidable if the languages are rational. In particular, in this monoid the classes of rational and recognizable languages do not coincide. This is due to the fact that the class of recognizable plq languages is not closed under multiplication and iteration. However, we can generate the recognizable plq languages using special rational expressions consisting of the Boolean operations and restricted versions of multiplication and iteration. From these special rational expressions we can also obtain an MSO logic describing the recognizable plq languages. Moreover, we provide similar results for the class of aperiodic languages in the plq monoid.



https://doi.org/10.1142/S0218196722500230
Fedorova, Aleksandra; Beliautsou, Viktar; Zimmermann, Armin;
Colored Petri net modelling and evaluation of drone inspection methods for distribution networks. - In: Sensors, ISSN 1424-8220, Bd. 22 (2022), 9, S. 1-20

https://doi.org/10.3390/s22093418
Götze, Philipp;
Transactional and analytical data management on persistent memory. - Ilmenau : Universitätsbibliothek, 2022. - 1 Online-Ressource (XII, 144 Seiten, Seite XIII-XXXIV)
Technische Universität Ilmenau, Dissertation 2022

Die zunehmende Anzahl von Smart-Geräten und Sensoren, aber auch die sozialen Medien lassen das Datenvolumen und damit die geforderte Verarbeitungsgeschwindigkeit stetig wachsen. Gleichzeitig müssen viele Anwendungen Daten persistent speichern oder sogar strenge Transaktionsgarantien einhalten. Die neuartige Speichertechnologie Persistent Memory (PMem) mit ihren einzigartigen Eigenschaften scheint ein natürlicher Anwärter zu sein, um diesen Anforderungen effizient nachzukommen. Sie ist im Vergleich zu DRAM skalierbarer, günstiger und dauerhaft. Im Gegensatz zu Disks ist sie deutlich schneller und direkt adressierbar. Daher wird in dieser Dissertation der gezielte Einsatz von PMem untersucht, um den Anforderungen moderner Anwendung gerecht zu werden. Nach der Darlegung der grundlegenden Arbeitsweise von und mit PMem, konzentrieren wir uns primär auf drei Aspekte der Datenverwaltung. Zunächst zerlegen wir mehrere persistente Daten- und Indexstrukturen in ihre zugrundeliegenden Entwurfsprimitive, um Abwägungen für verschiedene Zugriffsmuster aufzuzeigen. So können wir ihre besten Anwendungsfälle und Schwachstellen, aber auch allgemeine Erkenntnisse über das Entwerfen von PMem-basierten Datenstrukturen ermitteln. Zweitens schlagen wir zwei Speicherlayouts vor, die auf analytische Arbeitslasten abzielen und eine effiziente Abfrageausführung auf beliebigen Attributen ermöglichen. Während der erste Ansatz eine verknüpfte Liste von mehrdimensionalen gruppierten Blöcken verwendet, handelt es sich beim zweiten Ansatz um einen mehrdimensionalen Index, der Knoten im DRAM zwischenspeichert. Drittens zeigen wir unter Verwendung der bisherigen Datenstrukturen und Erkenntnisse, wie Datenstrom- und Ereignisverarbeitungssysteme mit transaktionaler Zustandsverwaltung verbessert werden können. Dabei schlagen wir ein neuartiges Transactional Stream Processing (TSP) Modell mit geeigneten Konsistenz- und Nebenläufigkeitsprotokollen vor, die an PMem angepasst sind. Zusammen sollen die diskutierten Aspekte eine Grundlage für die Entwicklung noch ausgereifterer PMem-fähiger Systeme bilden. Gleichzeitig zeigen sie, wie Datenverwaltungsaufgaben PMem ausnutzen können, indem sie neue Anwendungsgebiete erschließen, die Leistung, Skalierbarkeit und Wiederherstellungsgarantien verbessern, die Codekomplexität vereinfachen sowie die ökonomischen und ökologischen Kosten reduzieren.



https://doi.org/10.22032/dbt.51870
Katal, Negin; Rzanny, Michael Carsten; Mäder, Patrick; Wäldchen, Jana;
Deep learning in plant phenological research: a systematic literature review. - In: Frontiers in plant science, ISSN 1664-462X, Bd. 13 (2022), 805738, S. 1-18

Climate change represents one of the most critical threats to biodiversity with far-reaching consequences for species interactions, the functioning of ecosystems, or the assembly of biotic communities. Plant phenology research has gained increasing attention as the timing of periodic events in plants is strongly affected by seasonal and interannual climate variation. Recent technological development allowed us to gather invaluable data at a variety of spatial and ecological scales. The feasibility of phenological monitoring today and in the future depends heavily on developing tools capable of efficiently analyzing these enormous amounts of data. Deep Neural Networks learn representations from data with impressive accuracy and lead to significant breakthroughs in, e.g., image processing. This article is the first systematic literature review aiming to thoroughly analyze all primary studies on deep learning approaches in plant phenology research. In a multi-stage process, we selected 24 peer-reviewed studies published in the last five years (2016-2021). After carefully analyzing these studies, we describe the applied methods categorized according to the studied phenological stages, vegetation type, spatial scale, data acquisition- and deep learning methods. Furthermore, we identify and discuss research trends and highlight promising future directions. We present a systematic overview of previously applied methods on different tasks that can guide this emerging complex research field.



https://doi.org/10.3389/fpls.2022.805738
Pandey, Sandeep; Teutsch, Philipp; Mäder, Patrick; Schumacher, Jörg;
Direct data-driven forecast of local turbulent heat flux in Rayleigh-Bénard convection. - In: Physics of fluids, ISSN 1089-7666, Bd. 34 (2022), 4, S. 045106-1-045106-14

A combined convolutional autoencoder-recurrent neural network machine learning model is presented to directly analyze and forecast the dynamics and low-order statistics of the local convective heat flux field in a two-dimensional turbulent Rayleigh-Bénard convection flow at Prandtl number Pr=7 and Rayleigh number Ra=10^7. Two recurrent neural networks are applied for the temporal advancement of turbulent heat transfer data in the reduced latent data space, an echo state network, and a recurrent gated unit. Thereby, our work exploits the modular combination of three different machine learning algorithms to build a fully data-driven and reduced model for the dynamics of the turbulent heat transfer in a complex thermally driven flow. The convolutional autoencoder with 12 hidden layers is able to reduce the dimensionality of the turbulence data to about 0.2% of their original size. Our results indicate a fairly good accuracy in the first- and second-order statistics of the convective heat flux. The algorithm is also able to reproduce the intermittent plume-mixing dynamics at the upper edges of the thermal boundary layers with some deviations. The same holds for the probability density function of the local convective heat flux with differences in the far tails. Furthermore, we demonstrate the noise resilience of the framework. This suggests that the present model might be applicable as a reduced dynamical model that delivers transport fluxes and their variations to coarse grids of larger-scale computational models, such as global circulation models for atmosphere and ocean.



https://doi.org/10.1063/5.0087977
Lehner, Wolfgang; Sattler, Kai-Uwe; Freytag, Johann-Christoph;
BTW2021 erstmals als digitale Vortragsreihe. - In: Datenbank-Spektrum, ISSN 1610-1995, Bd. 22 (2022), 1, S. 67-71

19. Fachtagung des GI-Fachbereichs DBIS - Datenbanksysteme für Business, Technologie und Web - 2021 online organisiert von der TU Dresden



https://doi.org/10.1007/s13222-021-00402-x
Janke, Mario; Mäder, Patrick;
Graph based mining of code change patterns from version control commits. - In: IEEE transactions on software engineering, ISSN 1939-3520, Bd. 48 (2022), 3, S. 848-863

Detailed knowledge of frequently recurring code changes can be beneficial for a variety of software engineering activities. For example, it is a key step to understand the process of software evolution, but is also necessary when developing more sophisticated code completion features predicting likely changes. Previous attempts on automatically finding such code change patterns were mainly based on frequent itemset mining, which essentially finds sets of edits occurring in close proximity. However, these approaches do not analyze the interplay among code elements, e.g., two code objects being named similarly, and thereby neglect great potential in identifying a number of meaningful patterns. We present a novel method for the automated mining of code change patterns from Git repositories that captures these context relations between individual edits. Our approach relies on a transformation of source code into a graph representation, while keeping relevant relations present. We then apply graph mining techniques to extract frequent subgraphs, which can be used for further analysis of development projects. We suggest multiple usage scenarios for the resulting pattern type. Additionally, we propose a transformation into complex event processing (CEP) rules which allows for easier application, especially for event-based auto-completion recommenders or similar tools. For evaluation, we mined seven open-source code repositories. We present 25 frequent change patterns occurring across these projects. We found these patterns to be meaningful, easy to interpret and mostly persistent across project borders. On average, a pattern from our set appeared in 45 percent of the analyzed code changes.



https://doi.org/10.1109/TSE.2020.3004892
Xavier, Nithin; Bandyopadhyay, Bijnan; Reger, Johann; Watermann, Lars;
Robust continuous finite-time tracking control with finite-time observer for a Stewart platform. - In: IEEE Xplore digital library, ISSN 2473-2001, (2022), S. 306-310

In this paper, a third-order sliding mode control (SMC) with a super-twisting finite time observer is proposed for the position control of a Stewart platform. The Stewart platform is a parallel robotic manipulator with a fixed base platform connected to a movable top platform with the help of six actuator legs. The proposed control makes the movable platform track a reference trajectory in finite time while rejecting matched disturbances. Conventional SMC offers robustness towards matched disturbances, but will induce chattering in the system. The proposed third-order SMC can ease out the chattering problem and achieve finite-time tracking. Furthermore, a robust super-twisting observer is designed, which converges to the actual states in finite time, such that the proposed control can be computed from the system output using the observer. A simulation study of the Stewart platform is done for the proposed robust continuous finite-time control with the finite-time observer. The results using the proposed control are compared with conventional SMC, PID control and twisting control.



https://doi.org/10.1109/AMC51637.2022.9729266