Hier werden digitale Dissertationen und Habilitationen gespeichert, erschlossen und veröffentlicht.
Einrichtungen in ePub
Wählen Sie eine Sektion, um deren Inhalt anzusehen.
Aktuellste Veröffentlichungen
Towards understanding convolutional neural networks through visualization and systematic simplification
(2025) Linse, Christoph
Black-box systems like Convolutional Neural Networks (CNNs) have transformed the field of computer vision. While visualization tools have helped explore and explain CNNs, their inner workings remain opaque, particularly how they detect specific features. As deep learning applications become more widespread across various fields, it becomes crucial to understand these models. This understanding is needed to avoid misinterpretation and bias, which can seriously affect society.
This research motivates holistic visualization approaches, which show various aspects of CNNs. Existing visualizations often focus on a few aspects, answering specific questions. Combining them in comprehensive software could provide a more holistic view of CNNs and their inner processes. While 2D space cannot present all relevant information due to screen size restrictions, 3D environments offer new representation and interaction opportunities. Therefore, we enable the visualization of large CNNs in a virtual 3D space. This work further contributes to the visualization field by improving the activation maximization method for feature visualization, which previously struggled with local maxima.
In addition to visualization, this research increases CNN transparency through systematic simplification. We use pre-defined convolution filters from traditional image processing in modern CNN architectures. Instead of changing the filters during training, the training process finds linear combinations of the pre-defined filter outputs. Our Pre-defined Filter Convolutional Neural Networks (PFCNNs) with nine distinct edge and line detectors generalize better than standard CNNs, especially on smaller datasets. For ResNet18, we observed increased test accuracies ranging from 5-11 percentage points with the same number of trainable parameters across the Fine-Grained Visual Classification of Aircraft, StanfordCars, Caltech-UCSD Birds-200-2011, and the 102 Category Flower dataset. The results imply that many image recognition problems do not require training the convolution kernels. For practical use, PFCNNs can even save trainable weights.
Untersuchung des Einflusses dreidimensionaler Kultivierung auf Neuronen und Schweißdrüsenzellen mit Fokus auf elektrophysiologischer Funktionalität
(2025) Panzer, Jörg
Tissue-Engineering und innovative Kulturmethoden haben das Potential, in vielen Bereichen der klinischen Forschung zu neuen Therapiemöglichkeiten zu führen. Dazu gehören unter anderem die Schmerzforschung mit der Suche nach molekularen Zielen für Medikamente, sowie der Forschungsbereich der Wundheilung und Hautrekonstruktion. Die Umgebung der in vitro kultivierten Zellen ist dabei ein essentieller Faktor für deren Differenzierung und Funktion. In der vorliegenden Arbeit wurde für die kommerzielle neuronale Zelllinie F11, sowie für humane Schweißdrüsen-abgeleitete Stammzellen (sweat gland derived stem cells, hSGSCs), untersucht, ob die 3D-Kultivierung in Form von multizellulären Sphäroiden einen Einfluss auf die gewebsspezifische Differenzierung hat. Um multizelluläre Sphäroide zu erzeugen, wurden die Zellen mit der liquid overlay Methode in Mikromulden aus Agarose kultiviert, was bei beiden Zelltypen zu einer spontanen Aggregation führte. Beide Zelltypen wurden in verschiedenen Medien in 2D und 3D kultiviert. Mittels RT-qPCR wurden auf mRNA-Ebene zelltypspezifische Genpanels analysiert, die Differenzierungsstatus und elektrophysiologische Aktivität ausgerichtet waren.
Für die F11-Zellen zeigte sich bei zwei untersuchten Differenzierungsmarkern eine deutlich veränderte Expression. Das neuronale Strukturprotein Neurofilament M (Nefm) wurde in der 3D-Kultur vermehrt exprimiert, der Ca2+-Sensor Synaptotagmin 1 (Syt1) hingegen vermindert. Die Expression der weiteren Differenzierungsmarker sowie der untersuchten Ionenkanäle zeigte keine Unterschiede zwischen 2D- und 3D-Kultur. Diese Ergebnisse lassen nicht auf eine veränderte Funktionalität der Zellen durch 3DKultivierung in Sphäroiden schließen. Um die elektrophysiologische Funktionalität der Zellen zu untersuchen, wurde automatisiertes Patch-Clamping angewendet. An dissoziierten F11-Zellen konnten erfolgreich Messungen durchgeführt werden, die Sphäroide jedoch ließen sich mit dieser Methode nicht analysieren. Die Frage nach einer veränderten elektrophysiologischen Funktionalität durch 3D-Kultivierung konnte somit nicht abschließend geklärt werden.
In den untersuchten hSGSCs konnte die Expression von wichtigen funktionellen Markern sekretorischer Schweißdrüsenzellen gezeigt werden. Die 3D-Kultivierung hatte einen deutlichen Effekt auf einige dieser Marker. Der muskarinerge Acetylcholinrezeptor M3 (CHRM3) und der calciumgesteuerte Calciumkanal ORAI1 wurden in 3D-Kultur verringert exprimiert, der calciumgesteuerte Chloridkanal Anoctamin 1 (ANO1, auch TMEM16A) wurde verstärkt exprimiert. Die Ergebnisse der Expressionsanalyse ließen auf eine veränderte Funktionalität in 3D- gegenüber 2D-Kultur schließen. Im PatchClamping konnten, wie bei F11-Zellen, nur Einzelzellen analysiert werden. Zur weiteren Untersuchung der Funktionalität wurde ein Calcium-Imaging-Assay durchgeführt. Dabei konnten keine signifikanten Unterschiede in der maximalen Calciumkonzentrationszunahme beobachtet werden. Der Anteil an stimulierbaren Zellen unterschied sich ebenfalls nicht signifikant voneinander. Die Kultivierung in einem Differenzierungsmedium führte bei hSGSCs zu einer erhöhten CHRM3-Expression in der Zellpopulation sowie einem erhöhten Anteil an MCH-reaktiven Zellen.
Stufenbasierte Automation zur Unterstützung der Führungsprozesse von Einsatzorganisationen am Beispiel der präklinischen Notfallrettung
(2025) Berndt, Henrik Matthias
Der Rettungsdienst steht mitten in einer digitalen Transformation. Diese manifestiert sich derzeit vor allem in der zunehmenden Verwendung mobiler, Tablet-basierter Anwendungssysteme für die digitale Einsatzdokumentation, wird jedoch in der Zukunft weitreichender sein. Ein besonderes Szenario ist der Massenanfall von Verletzten, bei dem aufgrund eines anfänglichen Mangels an Behandlungskapazitäten eine Abkehr von Routineprozeduren notwendig ist. Insbesondere die Seltenheit, Komplexität und Dynamik machen Massenanfälle größerer Dimension zu einer Herausforderung vor allem für die Leitungskräfte. Diese müssen die Situation gut erfassen und verstehen, Organisationsstrukturen ad-hoc installieren und die vor Ort befindlichen und eintreffenden Rettungskräfte effektiv, effizient und sicherheitsorientiert einsetzen.
In dieser Arbeit wird untersucht, ob und wie Leitungskräfte in einem digitalisierten Rettungsdienst bei Massenanfällen mithilfe von Automation unterstützt werden können. Anhand einer gründlichen Analyse und mit Blick auf den aktuellen Stand der Technik werden bestehende Probleme in Hinblick auf Effektivität und Effizienz identifiziert. Auf dieser Basis wird ein prototypisches Anwendungssystem für die Einsatzleitung konzipiert und implementiert, das die festgestellten Herausforderungen mit Automation zu lösen versucht.
Im Rahmen der Entwicklung werden wissenschaftliche Konstrukte wie „Situation Awareness“ und „Gebrauchstauglichkeit“ betrachtet und eingeordnet. In Bezug auf die Automation werden bestehende Stufenmodelle untersucht und zusammengeführt. Die vorliegende Forschungsarbeit kommt zu der Erkenntnis, dass günstige Automationsstufen in Massenanfällen nicht allgemeingültig definiert werden sollten, sondern vielmehr von den Aufgaben und der Situation abhängen. Mit dem Ziel einer verständlichen Automationsfunktionalität wird ein Modell mit vier Automationsstufen entwickelt und implementiert, das neben manueller Kontrolle, zwei Stufen der Teilautomation und eine Vollautomation mit Information an den Benutzer beinhaltet. In einer summativen Evaluation mit Leitungskräften des Rettungsdienstes werden das System und insbesondere die Automationsfunktionen in Bezug auf die Gebrauchstauglichkeit, Nützlichkeit sowie die Situation Awareness der Benutzer untersucht.
Speech comprehension through the lens of auditory and motor brain rhythms
(2025) Lubinus, Christina Anna-Lena
Metabolic and cellular factors determining the therapeutic effects of dimethyl fumarate
(2025-06-12) Kosińska, Joanna
Security analysis of confidential VMs on modern server architectures
(2025-06-24) Wilke, Luca
Cloud computing has transformed data management and IT practices for organizations and individuals alike, offering unmatched scalability, flexibility, and cost-efficiency.
However, it comes with privacy concerns, as the cloud service providers can access all processed data.
Trusted Execution Environments (TEEs) are one potential solution, offering a new form of isolation that even locks out the infrastructure operator.
Attacks from any software component outside the TEE are thwarted by novel access restrictions while
physical attacks are prevented by memory encryption.
Even the operating system or hypervisor cannot overcome these restrictions.
With Intel SGX, Intel TDX, and AMD SEV-SNP, both major x86 CPU vendors offer TEEs on their server CPUs.
This thesis scrutinizes the extent to which the current TEE generation delivers on their security promises.
We start this thesis by describing the isolation mechanisms implemented by SGX, TDX, and SEV-SNP.
Building on these insights, we demonstrate that the trend to use deterministic memory encryption without integrity or freshness has several shortcomings.
We show that monitoring deterministic ciphertexts for changes allows leaking information about the plaintext, which we exploit on SEV-SNP.
SGX and TDX prevent straightforward exploitation by restricting software attackers from reading and writing the ciphertext, while SEV-SNP only restricts writing.
Next, we challenge the security of such access restrictions by showing that an attacker with brief physical access to the memory modules can create aliases in the address space that bypass these safeguards.
We exploit this on SEV-SNP to re-enable write access for software attackers, culminating in a devastating attack that forges attestation reports, undermining all trust in SEV-SNP.
On SGX and TDX, such attacks are mitigated by a dedicated alias check at boot time.
Finally, we examine the security of VM-based TEEs against single-stepping attacks, which allow instruction-granular tracing and have led to numerous high-stakes attacks on SGX.
We show that SEV-SNP is also vulnerable to single-stepping and provide a software framework enabling easy access to single-stepping on SEV for future research.
Next, we analyze the single-stepping security of Intel TDX, which comes with a built-in mitigation comprising a detection heuristic and a prevention mode.
We uncover a flaw in the heuristic that stops the activation of the prevention mode, thereby re-enabling single-stepping on TDX.
Furthermore, we unveil an inherent flaw in the prevention mode that
leaks fine-grained information about the control flow.
Integrated methodology for enhanced low-dose PET imaging
(2025) Elmoujarkach, Ezzat A.
Interprofessionelle perioperative Betreuung von chronischen Dialysepatienten
(2025) Köhli, Sandra
Die komplexe Pharmakotherapie von Dialysepatienten erhöht das Risiko für arzneimittelbezogene Probleme (ABP) sowie die Mortalität und das kardiovaskuläre Risiko im Zusammenhang mit operativen Eingriffen.
Ziel des BMG geförderten Projektes war es zu prüfen, ob eine intensivierte, interdisziplinäre Betreuung durch ein Stewardship Team aus Pharmazeuten, Nephrologe und Infektiologe die ABP im Vergleich zum Standard of care verringert.
Novel Machine Learning Methods for Video Understanding and Medical Analysis
(2025-06-26) Hu, Yaxin
Artificial intelligence has developed rapidly over the past decade and has penetrated into nearly every aspect of life. New applications in areas such as human-computer interaction, virtual reality, autonomous driving and intelligent medical systems have emerged in large numbers. Video is a kind of high-dimensional data, which has one more dimension than images, requiring more computing resources. As more and more high-quality large-scale video datasets are released, video understanding has become a cutting-edge research direction in the computer vision community. Action recognition is one of the most important tasks in video understanding. There are many successful network architectures for video action recognition.
In our work, we focus on proposing new designs and architectures for video understanding and investigating their applications in medicine. We introduce a novel RGBt sampling strategy to fuse temporal information into single frames without increasing the computational load and explore different color sampling strategies to further improve network performance. We find that frames with temporal information obtained by fusing the green channels from different frames achieve the best results. We use tubes of different sizes to embed richer temporal information into tokens without increasing the computational load. We also introduce a novel bio-inspired neuron model, the MinBlock, to make the network more information selective. Furthermore, we propose a spatiotemporal architecture that slices videos in space-time and thus enables 2D-CNNs to directly extract temporal information. All the above methods are evaluated on at least two benchmark datasets and all perform better than the baselines.
We also focus on applying our networks in medicine. We use our slicing 2D-CNN architecture for glaucoma and visual impairments analysis. And we find that visual impairments may affect walking patterns of humans thus making the video analysis relevant for diagnosis. We also design a machine learning model to diagnose psychosis and show that it is possible to predict whether clinical high-risk patients would actually develop a psychosis.
Physiotherapie in Deutschland
(2025) Stöckl, Martina
Die Fragestellung der vorliegenden Arbeit lautet: Wie gestalten sich die Entwicklungsmöglichkeiten der Physiotherapie am Beispiel von Deutschland? Diese resultiert aus einem Forschungsinteresse hinsichtlich zweier Blickrichtungen. Eine empirische, für welche die beiden Checklisten CROSS und COREQ verwendet werden. Die zweite Blickrichtung fokussiert den theoretischen Rahmen der Physiotherapie. Zuerst werden mit dem Fragebogen des sequentiell vertiefenden Mixed-Methods-Designs Informationen über die Durchführbarkeit von physiotherapeutischen Tätigkeiten gesammelt. Dafür werden 120 Physiotherapeut*innen befragt, welche zusätzlich zur Bedeutung der Physiotherapie als Profession Auskunft geben. Sechs Experteninterviews vervollständigen den Datensatz und tragen zur gesamtheitlichen Darstellung der physiotherapeutischen Realität in Deutschland bei. Diese Auswertung erfolgt anhand einer strukturierenden qualitativen Inhaltsanalyse nach Kuckartz mit dem Programm MAXQDA. Zusätzlich wird eine Triangulation aller erhobenen Daten vorgenommen. Die Ergebnisse des Surveys zeigen viele unausgeschöpfte Potenziale im beruflichen Alltag sowie eine enge Sicht auf die Vorstellung der Profession. Die Antworten der befragten Expert*innen bestätigen: Die Physiotherapie ist ein hochkomplexes Gebiet. Mithilfe des in der Arbeit entwickelten dreidimensionalen Pyramidenmodells kann eine Verortung der physiotherapeutischen Realität in ihrer Gesamtheit erfolgen. Zudem kristallisieren sich vielfältige Entwicklungsmöglichkeiten in Richtung Professionalisierung und wissenschaftlicher Disziplinbildung heraus. Eine Übertragung des entwickelten Modells auf andere Berufsgruppen zur Vereinfachung interprofessioneller Zusammenarbeit ist denkbar, ebenso wie eine Anwendung auf internationaler Ebene.
Performance of transcatheter heart valves in severely calcified aortic valve stenoses
(2025-06-12) Bisht, Osama
Non-invasive estimation of respiratory effort
(2025) Graßhoff, Jan
Kalorienarme Saccharidzusammensetzung vor der Hauptmahlzeit reduziert die nachfolgende Kalorienaufnahme
(2025) Thordsen, Narona Liza