Multimodales Deep Learning
Modelle, die gemeinsam aus Text-, Bild-, Tabellen- und Zeitreihendaten von Patienten lernen.
Wissenschaftlicher Mitarbeiter • Data Scientist • Doktorand
Md Faisal Kabir
Intelligent Systems Group, Universität Kiel • Christian-Albrechts-Universität zu Kiel • Kiel, Deutschland
Meine Promotion befasst sich mit der Entwicklung eines Empfehlungssystems zur Diagnoseunterstützung in der Notfallmedizin. Dafür arbeite ich an der KI-gestützten Integration heterogener klinischer Daten — multimodales Deep Learning über Text-, Bild-, Tabellen- und Zeitreihenquellen, zusammen mit synthetischer Datengenerierung und der Imputation fehlender Werte.
Kiel, Deutschland
Forschungsschwerpunkte
Von heterogenen klinischen Daten zur Entscheidungsunterstützung
Synthetische Daten & Imputation
Realistische klinische Daten erzeugen und fehlende Werte rekonstruieren, damit Modelle auch bei unvollständigen Datensätzen robust bleiben.
Diagnoseunterstützung
Empfehlungssysteme, die wahrscheinliche Diagnosen, Behandlungen und nächste Messungen in der Notfallversorgung priorisieren.
Über mich
Data Science für die zeitkritische Versorgung
Meine Promotion an der Christian-Albrechts-Universität zu Kiel ist ein Empfehlungssystem zur Diagnoseunterstützung in der Notfallmedizin, aufbauend auf der KI-gestützten Integration multimodaler klinischer Daten. Ich arbeite in der Intelligent Systems Group der Universität Kiel an maschinellem Lernen, Deep Learning und klinischer Datenqualität.
Wissenschaftliche Arbeit
Neueste Publikation
Diagnose- und Behandlungsunterstützung als KI-gestütztes Assistenzsystem für die TeleNotArzt-Versorgung
Ein tiefes multimodales Modell über Zeitreihen-, Tabellen- und Freitextdaten, das wahrscheinliche Diagnosen, Behandlungen und nächste Messungen für die präklinische Versorgung priorisiert.
Portfolio
Neuestes Projekt
KIT2
KIT2 — KI-Assistent für die TeleNotArzt-Versorgung
Abgeschlossene Zusammenarbeit mit der RWTH Aachen. Ein tiefes multimodales Modell, das wahrscheinliche Diagnosen, Behandlungen und die nächsten Messungen für die präklinische Notfallversorgung priorisiert — ergänzt durch Arbeit zur Imputation fehlender Werte und zur synthetischen Datengenerierung.
Alle ProjekteKontakt aufnehmen
Kontakt
Online
ORCID • Scholar • ResearchGate • LinkedIn • GitHub