piwik-script

English Intern
    Lehrstuhl für Künstliche Intelligenz und Wissenssysteme

    Amar Hekalo, M. Sc.

    Universität Würzburg
    Lehrstuhl für künstliche Intelligenz
    und Wissenssysteme
    Am Hubland
    D-97074 Würzburg 

    Raum:  B001
    Telefon: +49 931 / 31 - 86385

    amar.hekalo@uni-wuerzburg.de

    Über mich

    Nach meinem abgeschlossenen Master in Physik bin ich im November 2018 dem Lehrstuhl für Künstliche Intelligenz und Wissenssysteme beigetreten. Seitdem forsche ich, unter anderem mit der Uniklink Würzburg, daran, die Dokumentation in der Medizin mit Hilfe von Sprach- und Bildverarbeitung über Deep Learning und regelbasierte Methoden zu verbessern und effizienter zu gestalten.

    Forschungsinteressen

    Meine Forschungsinteressen beschäftigen sich besonders mit automatisierter Bildverarbeitung und NLP. Darunter fallen insbesondere Methoden der Informationsextraktion, Bildklassifikation, Bildsegmentierung sowie Objekterkennung, spezifisch aktuelle Architekturen, Verbesserung des Trainings (bspw. Datenaugmentierung und Hyperparameter-Optimierung) sowie medizinische Anwendungen.

    Aktuell suche ich nach HiWis mit Erfahrung im Bereich Frontend mit Angular und Backend mit NodeJS, um mich bei der Entwicklung eines Dokumentations- und E-Learning-Tools für die Radiologie zu unterstützen. Bei Interesse könnt ihr mich einfach per Mail erreichen.

    Projekte

    Ebenso bin ich Mitglied des ESF-ZDEX („Zentrum für digitales Experimentieren“) Projektes, welches sich zum Ziel setzt, aktuelle Themen der Forschung kleine und mittlere Unternehmen (KMUs) im Raum Unterfranken näherzubringen. Zu diesem Zweck sind wir in stetigem Austausch mit unseren Kooperationspartnern in Form von regelmäßigen Meetings, Projekten und Veranstaltungen. Neue Kooperationspartner sind stets willkommen.

    Lehre

    SS 22 Programmieren neuronaler Netze (Vorlesung und Übung)
    WS 21 Softwarepraktikum (Themenvergabe)
    SS 21 Programmieren neuronaler Netze (Vorlesung und Übung)
    SS 20 Programmieren neuronaler Netze (Vorlesung und Übung)
    SS 19 Softwaretechnik (Übung zur Vorlesung)
    Seit WS 18/19 Künstliche Intelligenz 2 (Vorlesung und Übung)
    Seit SS 19 Seminar "Aktuelle Trends in Künstlichen Intelligenz" (regelmäßige Themenvergabe)

    Publikationen

    • Endoscopic Detection and Segmentation of Gastroenterological Diseases with Deep Convolutional Neural Networks Krenzer, Adrian; Hekalo, Amar; Puppe, Frank (S. Ali; C. Daul; J. Rittscher; D. Stoyanov; E. Grisan, eds.) (2020). (Vol. 2595) CEUR-WS.
       

    Bsiher betreute Arbeiten

    • Datenaugmentierung mit Online Bilevel Optimierung zur Pathologie-Klassifikation in Röntgen-Thorax-Aufnahme Gäullein, Fabian (2021).
       
    • Vergleich von konditionalem und flachem Training von CNNs zur Klassifikation von Röntgen-Thorax-Bildern mit verschiedenen Labeling-Methoden Rost, Lisa (2021).
       
    • Automatisierte Kardiomegalie Erkennung durch auf Deep Learning basierter Objektdetektion Dienesch, Nils (2021).
       
    • Automated Detection of Lung Nodules in CT Scans using Convolutional Neural Networks Angelov, Ivaylo (2020).
       
    • Automatische Positionserkennung und Transport verschiedener Paketsorten in der Logistik Benyaala, Oussama (2020).