Student assistant (“HiWi”)

  • Ausschreibung Studentische Hilfskraft

    Wir suchen eine studentische Hilfskraft für die Überarbeitung von Vorlesungsfolien. Die Tätigkeit umfasst eine
    monatliche Arbeitszeit von 40 Stunden.

    Einstellungsvoraussetzungen:

    • Sehr gute Deutsch und Englisch Kenntnisse
    • Gute Kenntnisse in R und R Markdown
    • Sehr hohe Motivation
    • Strukturiertes und organisiertes Arbeiten

    Deine Aufgaben:

    • Überführung von Vorlesungsfolien aus Latex nach Decker (ein Softwarewerkzeug zum Erstellen von interaktiven Webpräsentationen, dass auf R Markdown basiert)
    • Übersetzen der finalen Vorlesungsfolien von Deutsch auf Englisch

    Wir bieten Dir:

    • Eine langfristige Anstellungsmöglichkeit mit flexiblen Arbeitszeiten
    • Bis auf regelmäßige Treffen mit den Betreuern (1-2 Mal pro Monat) an der FIN kannst du von überall arbeiten
  • Ausschreibung Studentische Hilfskraft

    Wir suchen eine studentische Hilfskraft für die Tätigkeit umfasst eine monatliche Arbeitszeit von mind. 20 Stunden.

    Einstellungsvoraussetzungen:

    • Gute Kenntnisse in digitaler Bildverarbeitung inbesondere Bildregistrierung
    • Erfahrung im Umgang mit Matlab oder Python, ggf. Erfahrung mit MeVisLab
    • Sehr hohe Motivation
    • Engagement und Teamfähigkeit
    • Strukturiertes und organisiertes Arbeiten

    Deine Aufgaben:

    • Entwicklung einer Applikation (z.B. in MeVisLab) zur Registrierung von verschiedenen interventionellen MRT-Bilddatensätzen für die Leber
    • Entwicklung einer Applikation zur Registrierung von histologischen Schnitten zu den individuellen MRT-Datensätzen derselben Leber

    Wir bieten Dir:

    • Eine langfristige Anstellungsmöglichkeit mit flexiblen Arbeitszeiten
    • Spannendes Aufgabenfeld mit ausreichender Einarbeitungszeit
    • Bis auf regelmäßige Team-Treffen an der MHH kannst du von überall aus arbeiten
  • Ausschreibung Studentische Hilfskraft

    Wir suchen eine studentische Hilfskraft für die mediznische Visualisierung. Das Anwendungsgebiet sind hier vor allem Aneurysmen des Gehirns. Das sind sackartige, krankhafte Erweiterungen der Blutgefäße welche platzen können und daher möglichst gut untersucht werden müssen. Es gibt verschiedene Aufgaben, z.B. die Visualisierung von künstlich simuliertem Blutfluss oder auch die Darstellung der Aneurysmenwand. Wir haben aber auch die Möglichkeit neue intravaskuläre Bildgebungsmethoden auszuwerten, die höhere Auflösungen als MRT und CT aufweisen. Voraussetzung sind gute Programmierkenntnisse (C++ oder Matlab). Bereits bestehende Erfahrungen mit MeVisLab und VMTK sind hilfreich, aber keine Pflicht.

    Anforderungen: Programmiererfahrung in C++ (VTK-Kenntnisse hilfreich) oder MATLAB

  • Visual Analytics of Intracranial Aneurysm Classification & Similarity Matching

    Intracranial aneurysms are pathologic dilations of the intracranial vessel wall. They bear the risk of rupture and thus subarachnoidal hemorrhages with often fatal consequences for the patient. Since treatment may cause severe complications as well, substantial research was carried out to characterize the patient-specific rupture risk based on various morphological and hemodynamic parameters. Clinicians often adapt their treatment decisions by analyzing similar pathologies and conditions with respect to their treatment outcome. For this purpose, we provide a reference database (serving as our training data set). The goal is to identify the most similar reference cases for a new aneurysm. The similarity comprises various factors, e.g. location of the aneurysm, size or previously extracted shape parametres.
    Questions: 1) Given an aneurysm of interest, which are the k most similar aneurysms from the training set (i.e. the reference database)? 2) How much more similar is an aneurysm of interest to its most/second-most/etc. similar aneurysm from the training set in comparison with the average similarity towards an arbitrary aneurysm? 3) How does similarity change when the value of feature F is altered to x?
    Similarity calculation is dependent on the feature space. There should be two options for selecting an appropriate feature space: a) Supervised feature selection using a target variable (rupture status, course of treatment, …). Example: Correlation-based feature selection, b) Expert input. The medical expert (radiologist) selects a set of relevant features based on his knowledge.
    The proposed Visual Analytics system should contain the following components: i) a G U I for comparing aneurysms based on the most important parameters and similarity as described above, ii) input panels for similarity calculations, iii) a radar chart like visualization for juxtaposing 2 or more aneurysms w.r.t. a set of features, iv) further components upon consultation.

    Prerequisites

    • Experience with R (preferred), Python or MATLAB
    • Working knowledge of data mining

Falls darüber hinaus Interesse an einer Hiwi-Tätigkeit in unserer Arbeitsgruppe Visualisierung besteht, so können ggf. auch Themen unter Projekte & Praktika als Hiwi bearbeitet werden. Dazu sollten einfach die angegebenen wissenschaftlichen Mitarbeiter kontaktiert werden.