Zwei Heidelberger Wissenschaftler revolutionieren die Welt der Simulation und Bildgebung, indem sie die Stärken numerischer Methoden und maschinellen Lernens vereinen.
Gemeinsam entwickeln der Informatiker Prof. Dr. Jürgen Hesser und der Mathematiker Prof. Guido Kanschat ein Verfahren, das numerische Techniken und maschinelles Lernen integriert, um die Ultraschalltomographie (USCT) zu verbessern. USCT ist eine vielversprechende Bildgebungsmethode für das Brustkrebs-Screening, die im Vergleich zur klassischen Mammographie keine schädliche Röntgenstrahlung verwendet. Die Herausforderung besteht darin, die Wellenausbreitung im Gewebe präzise zu simulieren, was mit herkömmlichen numerischen Methoden sehr zeitaufwendig ist. Maschinelles Lernen könnte diese Simulationen erheblich beschleunigen, erfordert jedoch eine große Menge an Trainingsdaten, die ebenfalls aufwendig zu erzeugen sind.
Eine Kombination des numerischen Trefftz-Verfahrens mit neuronalen Netzen (NN) könnte den Trainingsaufwand erheblich reduzieren. Darüber hinaus könnte durch geschickte Netzwerkarchitekturen und Trainingsstrategien die Genauigkeit der Simulationen um bis zu zwei Größenordnungen verbessert werden.
Die Vector Stiftung fördert das Projekt mit einer Anschubfinanzierung für besonders unkonventionelle und risikoreiche Projektideen m Rahmen der Ausschreibung MINT-Innovationen.
