GreifbAR
GreifbAR Project Image
Tangible reality – skilful interaction of user hands and fingers with real tools in mixed reality worlds

The goal of the GreifbAR project is to make mixed reality (MR) worlds, including virtual (VR) and augmented reality (“AR”), tangible and graspable by allowing users to interact with real and virtual objects with their bare hands. Hand accuracy and dexterity is paramount for performing precise tasks in many fields, but the capture of hand-object interaction in current MR systems is woefully inadequate. Current systems rely on hand-held controllers or capture devices that are limited to hand gestures without contact with real objects. GreifbAR solves this limitation by introducing a sensing system that detects both the full hand grip including hand surface and object pose when users interact with real objects or tools. This sensing system will be integrated into a mixed reality training simulator that will be demonstrated in two relevant use cases: industrial assembly and surgical skills training. The usability and applicability as well as the added value for training situations will be thoroughly analysed through user studies.

Partners

NMY – Mixed Reality Communication GmbH Hanauer Landstraße 188, 60314 Frankfurt am Main

Charité – Universitätsmedizin Berlin Charitéplatz 1, 10117 Berlin

Universität Passau vertreten durch den Präsidenten, Prof. Dr. Ulrich Bartosch Innstraße 40, 94032 Passau Wissenschaftliche Leitung: Prof. Dr. Susanne Mayr Lehrstuhl für Psychologie mit Schwerpunkt Mensch – Maschine – Interaktion

Contact

Dr.-Ing. Jason Raphael Rambach

Yongzhi Su, M.Sc.

I-Nergy
Artificial Intelligence for Next Generation Energy

AI spreading in the energy sector is expected to dramatically reshape energy value chain in the next years, by improving business processes performance, while increasing environmental sustainability, strengthening social relationships and propagating high social value among citizens. However, uncertain business cases, fragmented regulations, standards immaturity and low-technical SMEs workforce skills barriers are actually hampering the full exploitation of AI along the energy value chain. I-NERGY will deliver: (i) Financing support through Open Calls to third parties SMEs for new energy use cases and technology building blocks validation, as well as for developing new AI-based energy services, while fully aligning to AI4EU service requirements and strengthening the SME competitiveness on AI for energy; (b) An open modular framework for supporting AI-on-Demand in the energy sector by capitalising on state-of-the-art AI, IoT, semantics, federated learning, analytics tools, which leverage on edge-level AI-based cross-sector multi-stakeholder sovereignty and regulatory preserving interoperable data handling. I-NERGY aims at evolving, scaling up and demonstrating innovative energy-tailored AI-as-a-Service (AIaaS) Toolbox, AI energy analytics and digital twins services that will be validated along 9 pilots, which: (a) Span over the full energy value chain, ranging from optimised management of grid and non-grid RES assets, improved efficiency and reliability of electricity networks operation, optimal risk assessment for energy efficiency investments planning, optimising local and virtual energy communities involvement in flexibility and green energy marketplaces; (b) Delivers other energy and non-energy services to realise synergies among energy commodities (district heating, buildings) and with nonenergy sectors (i.e. e-mobility, personal safety/security, AAL), and with non- or low-technical domains end users (i.e. elderly people).

Partners

ENGINEERING – INGEGNERIA INFORMATICA SPA (ENGINEERING – INGEGNERIA INFORMATICA SPA) FUNDACION ASTURIANA DE LA ENERGIA RIGA MUNICIPAL AGENCY FUNDACION CARTIF PQ TECNOLOGICO BOECILLO Rheinisch-Westfälische Technische Hochschule Aachen COMSENSUS, KOMUNIKACIJE IN SENZORIKA, DOO SONCE ENERGIJA D.O.O. VEOLIA SERVICIOS LECAM SOCIEDAD ANONIMA UNIPERSONAL STUDIO TECNICO BFP SOCIETA A RESPONSABILITA LIMITATA ZELENA ENERGETSKA ZADRUGA ZA USLUGE Iron Thermoilektriki Anonymi Etaireia ASM TERNI SPA CENTRO DE INVESTIGACAO EM ENERGIA REN – STATE GRID SA PARITY PLATFORM IDIOTIKI KEFALAIOUXIKI ETAIREIA Institute of Communication & Computer Systems Fundingbox Accelerator SP. Z O.O. Fundingbox Accelerator SP. Z O.O.

Contact

Prof. Dr. Didier Stricker

ENNOS

“Eingebettete Neuronale Netze für Optische Sensoren zur flexiblen und vernetzen Produktion”

 

Im Rahmen des Projekts ENNOS wird eine kompakte und energieeffiziente Farb- und Tiefenkamera entwickelt, also eine Kamera, die Farbbilder und gleichzeitig 3-dimensionale Informationen zum Abstand von Objekten liefert. Informationen zu Farbe und 3D-Daten werden mittels sogenannter „tiefer neuronaler Netze“ verknüpft, das sind sehr vereinfachte „künstliche Gehirne“: Es wird also „künstliche Intelligenz“ zur rechnergestützten Entscheidungsfindung genutzt.

Ziel ist ein besonders flexibles und leistungsfähiges optisches System, das viele neue Anwendungsmöglichkeiten im Bereich Produktion findet.

Die Auswertung geschieht über Field Programmable Gate Array-Chips (FPGA), das sind programmierbare Integrierte Schaltkreise, die sich an unterschiedliche Aufgaben anpassen lassen. Solche Prozessoren sind besonders flexibel und leistungsfähig, aber von begrenzter Kapazität.

Die Herausforderung liegt darin, die komplexe Struktur und Größe moderner neuronaler Netze effizient in eine passende und kompakte Hardware-Architektur umzuwandeln. Möglich wird dies durch Vorarbeit des Verbundkoordinators Bosch, der eine Vorreiterrolle für solche eingebetteten Lösungen einnimmt.

Unterstützt wird er dabei vom Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI), das sich mit Entscheidungsalgorithmen sowie der Vereinfachung („Pruning“) von neuronalen Netzen beschäftigen wird.

Eine weitere wesentliche Innovation des Projekts ENNOS liegt in der Einführung von ultra-kompakten 3D-Kameras des Projektpartners PMD Technologies AG, der erfolgreich als erster Anbieter eine 3D-Kamera in ein Smartphone integriert hat. Für das Projekt ENNOS werden eine neue Beleuchtungseinheit sowie optische Komponenten für den Industrieeinsatz konzipiert. Dies soll ermöglichen, schwierige Beleuchtungsbedingungen sowie weitere Störeinflüsse aus dem Fertigungsumfeld (z. B. Kalibrierungsungenauigkeiten und Rauschen) zu kompensieren.

Um die große erwartete Leistungsfähigkeit des ENNOS-Konzepts zu demonstrieren, wird die neue (intelligente) Kameraplattform in drei verschiedenen Anwendungsszenarien bei den Verbundpartnern eingesetzt:

Bosch und das DFKI realisieren zusammen die Anwendungen „Ferndiagnose mit automatischer Unkenntlichmachung von Personen“ und „Intelligente Bilderkennung und -analyse mit dem Ziel rein maschinengebundener Produktion“. Die dritte Anwendung „Assistenzsystem für Bestandsaufnahmen“ in großen Anlagen wird von den Partnern ioxp GmbH und KSB AG realisiert.

Jedes dieser Szenarien adressiert bestehende Probleme, die durch bisherige Technologien nur bedingt oder gar nicht gelöst werden und daher ein hohes Innovationspotenzial bieten.

 

Partners :

 

  • Robert Bosch GmbH, Gerlingen-Schillerhöhe (Koordinator)
  • Deutsches Forschungszentrum für Künstliche Intelligenz GmbH (DFKI), Kaiserslautern
  • KSB SE & Co. KGaA, Frankenthal
  • ioxp GmbH, Mannheim
  • pmdtechnologies ag, Siegen (assoziierter Partner)
  • ifm eletronic GmbH, Tettnang (assoziierter Partner)

 

Kontakt: Stephan Krauß
E-Mail: Stephan.Krauss@dfki.de
Telefon: +49 631 20575 3730

 

VIZTA

Vision, Identification with Z-sensing Technologies and key Applications

VIZTA project, coordinated by ST Micrelectronics, aims at developing innovative technologies in the field of optical sensors and laser sources for short to long-range 3D-imaging and to demonstrate their value in several key applications including automotive, security, smart buildings, mobile robotics for smart cities, and industry4.0. The key differentiating 12-inch Silicon sensing technologies developed during VIZTA are:

• Innovative SPAD and lock-in pixel for Time of Flight architecture sensors
• Unprecedent and cost-effective NIR and RGB-Z filters on-chip solutions
• complex RGB+Z pixel architectures for multimodal 2D/3D imaging For short-range sensors : advanced VCSEL sources including wafer-level GaAs optics and associated high speed driver.

These developed differentiating technologies allows the development and validation of innovative 3D imaging sensors products with the following highly integrated prototypes demonstrators:

• High resolution (>77 000 points) time-of-flight ranging sensor module with integrated VCSEL, drivers, filters and optics.
• Very High resolution (VGA min) depth camera sensor with integrated filters and optics.

For Medium and Long range sensing, VIZTA also adresses new LiDAR systems with dedicated sources, optics and sensors Technology developments of sensors and emitters are carried out by leading semiconductor product suppliers (ST Microelectronics, Philips, III-V Lab) with the support of equipment suppliers (Amat, Semilab) and CEA Leti RTO.

VIZTA project also include the developement of 6 demonstrators for key applications including automotive, security, smart buildings, mobile robotics for smart cities, and industry4.0 with a good mix of industrial and academic partners (Ibeo, Veoneer, Ficosa, Beamagine, IEE, DFKI, UPC, Idemia, CEA-List, ISD, BCB, IDE, Eurecat). VIZTA consortium brings together 23 partners from 9 countries in Europe: France, Germany, Spain, Greece, Luxembourg, Latvia, Sweden, Hungary, and United Kingdom.

 

Partners :

Universidad Politecnica Catalunya
Commisariat a l Energie Atomique et aux Energies Alternatives (CEA Paris)
Fundacio Eurecat
STMICROELECTRONICS SA
BCB Informática y Control
Alter Technology TÜV Nord SA
FICOMIRRORS SA
Philips Photonics GmbH
Applied Materials France SARL
SEMILAB FELVEZETO FIZIKAI LABORATORIUM RESZVENYTARSASAG
ELEKTRONIKAS UN DATORZINATNU INSTITUTS
LUMIBIRD
IEE S.A.
IBEO Automotive Systems GmbH
STMICROELECTRONICS RESEARCH & DEVELOPMENT LTD
STMICROELECTRONICS SA
IDEMIA IDENITY & SECURITY FRANCE
Beamagine S.L.
Integrated Systems Development S.A.
VEONEER SWEDEN AB
III-V Lab
STMICROELECTRONICS (ALPS) SAS
STMICROELECTRONICS GRENOBLE 2 SAS

 

Kontakt: Jason Rambach ; Bruno Mirbach
E-Mail: Jason.Rambach@dfki.de
Telefon: +49 631 20575 3740
Co2Team

 

“Cognitive Collaboration for Teaming”

Während einer Flugreise müssen Piloten komplizierte Situationen meistern – gleichzeitig sehen sie sich aufgrund der Menge und Art der verfügbaren Informationen mit einer zunehmenden Systemkomplexität konfrontiert. Co2Team (Cognitive Collaboration for Teaming) verfolgt die Idee, dass ein auf künstlicher Intelligenz basierendes System den Piloten durch den Einsatz von Cognitive Computing effizient unterstützen kann.

Hauptziel des Projekts ist es, einen technologischen und methodischen Übergang zu einem eigenständigeren Flugverkehr vorzuschlagen. Co2Team wird eine Roadmap für Cognitive Computing entwickeln, um den Piloten für den zukünftigen Luftverkehr zu unterstützen. Dieser Übergang basiert auf einem innovativen bidirektionalen Kommunikationsparadigma und einer optimierten gemeinsamen Kompetenz (Mensch-Maschine) unter Nutzung des Potenzials des kognitiven Rechnens (Pilotmonitoring, Umwelt- und Situationsverständnis, erweiterte Unterstützung, adaptive Automatisierung).

 

Partners :

 

  • Deutsche Lufthansa AG
  • Institut Polytechnique de Bordeaux (INP Bordeaux)

 

Kontakt: Dr.-Ing. Alain Pagani
E-Mail: Alain.Pagani@dfki.uni-kl.de
Telefon: +49 631 20575 3530

 

BIONIC

 

Fehlbelastungen des Stütz- und Bewegungsapparats, repetitive Bewegungsabläufe oder eine ergonomisch ungünstige Körperhaltung führen bei vielen Beschäftigten zu Beschwerden. Insbesondere ältere Arbeitnehmer leiden aufgrund ihrer langjährigen Tätigkeiten oftmals an Störungen des Muskel-Skelett-Systems oder anderen altersbedingten Einschränkungen. Im von der Europäischen Union (EU) geförderten Projekt BIONIC arbeitet das DFKI als Koordinator zusammen mit zehn internationalen Partnern an intelligenten Lösungen, die solche Gesundheitseinschränkungen reduzieren sollen.

Body Sensor-Netzwerk (BSN) analysiert Belastungen und korrigiert Fehlstellungen in Echtzeit

Durch ein Netzwerk von verschiedenen, am Körper getragenen Sensoren soll ein System entwickelt werden, das den gesundheitlichen Zustand von Arbeitern im Verlauf des Tages erfasst. Die Analyse wird auf einem intelligenten Chip am Körper stattfinden; die Rohdatenvorverarbeitung direkt an der „Quelle“ ermöglicht eine lokale Verarbeitung der Datenströme in Echtzeit. Neuartige Methoden der Risikoanalyse erlauben eine direkte Rückmeldung zu Belastungen und Fehlstellungen. Spielerische Anwendungen und eine Trainings-App motivieren dazu, einseitigen Belastungen entgegenzuwirken und geben personalisierte und medizinische Hilfestellungen für ein Training zuhause.

Weiterentwicklung der Anwendungen aus Vorgängerprojekt „EASY-IMP“

Ein Großteil der Partner hat bereits im EU Projekt „EASY-IMP“ erfolgreich an der Entwicklung eines BSN gearbeitet, das zur Analyse von Körperbewegungen kleine IMU-Sensoren verwendete (Beschleunigungs- oder Drehratensensoren), die in der Kleidung oder auf der Haut befestigt waren. Die leichte und modulare Bauweise des Systems wird in BIONIC weiterentwickelt, um eine einfachere Integration zu realisieren.

Biomechanische Modelle und Deep Learning zur ergonomischen Risikobewertung

Durch den Einsatz biomechanischer Modelle für altersbedingte und chronische Beeinträchtigungen werden Algorithmen zur ergonomischen Risikobewertung der physischen Belastungen entworfen. Zu den Eingangsparametern gehören Körperhaltung, Kräfte und Momente, sowie physiologische Parameter wie Herzfrequenz oder Körpertemperatur.

Verfahren, die auf objektiven sowie subjektiven Daten (Expertenkriterien) basieren, werden als Grundlage herangezogen und durch personalisierte Algorithmen ergänzt, für die Methoden des Deep Learning eingesetzt werden.Die erzeugten Daten werden entsprechend der EU Datenschutzrichtlinie gespeichert.

„BIONIC – Personalized Body Sensor Networks with Built-In Intelligence for Real-Time Risk Assessment and Coaching of Ageing workers, in all types of working and living environments “ ist ein interdisziplinäres Forschungsprojekt mit elf Partnern aus Medizin, Biotechnik, Elektronik, Informationstechnologie und Künstliche Intelligenz, bis hin zu Bau- und Fabrikarbeitern, die in Pilotversuchen die Ergebnisse validieren werden.

 

Partners :

  • Deutsches Forschungszentrum für Künstliche Intelligenz GmbH DFKI (Projektkoordination)
  • Technische Universität Kaiserslautern – wearHEALTH Group
  • Instituto de Biomechanica de Valencia, Spanien
  • Roessingh Research and Development, University of Twente, Niederlande
  • University of Piraeus – Systems Security Lab, Griechenland
  • Interactive Wear GmbH, München
  • Hypercliq IKE, Griechenland
  • ACCIONA Construcción S.A. – Spanien
  • Rolls-Royce Power Systems AG – Friedrichshafen
  • Bundesanstalt für Arbeitsschutz und Arbeitsmedizin (BAuA), Dortmund
  • Fundación Laboral de la Construcción – Spanien

 

Website : https://bionic-h2020.eu/

 

Kontakt: Prof.Dr. Didier Stricker
E-Mail: Didier.Stricker@dfki.uni-kl.de
Telefon: +49 631 20575 3500
KI-Absicherung

 

Im Rahmen des Projektes „KI Absicherung“ werden erstmalig industrieübergreifend Methoden und Maßnahmen für die Absicherung von KI-basierten Funktionen für das automatisierte Fahren entwickelt. Es wird ein initialer und standardisierungsfähiger Industriekonsens angestrebt, der eine einheitliche und breit akzeptierbare Absicherung von KI basierten Wahrnehmungsfunktionen in der Automobilindustrie etabliert.

VISION UND MISSION DES PROJEKTS KI ABSICHERUNG

1. Vision
Wir wollen erreichen, dass hochautomatisierte Fahrzeuge mit abgesicherten KI-basierten Systemen ausgestattet werden können.

2. Mission
Im Rahmen des Forschungsprojektes KI Absicherung haben wir das Ziel, beispielhaft eine stringente und nachweisbare Argumentationskette aufzubauen, mit der sich KI-basierte Funktionsmodule (KI-Module) für das hochautomatisierte Fahren prinzipiell absichern und freigeben lassen.
Am Beispiel einer KI-basierten Funktion zur Fußgängererkennung werden wir Methoden, Maßnahmen und Metriken entwickeln, die messbare Leistungs- und Sicherheitsmaße liefern, die dazu geeignet sind, die Argumentationskette zur generellen Absicherung zu stützen. In Kommunikation mit Standardisierungsgremien und Zertifizierungsstellen soll mit Hilfe der im Projekt gewonnenen Erkenntnisse ein Industriekonsens bezüglich einer KI-Teststrategie aufgebaut werden.

Wir werden eine Prozesskette mit offenen standardisierten Schnittstellen zur skalierbaren und systematischen Generierung von qualitativ hochwertigen synthetischen Daten entwickeln und damit reproduzierbare Trainings- und Testdatensätze für unsere Algorithmen erzeugen.
Am konkreten Use Case der KI-basierten Perzeption von Fußgängern wollen wir konsensfähige Vorgehensweisen zu den folgenden Schwerpunkten erarbeiten und damit zur vorwettbewerblichen Vernetzung der verschiedenen Experten beitragen:

  • Entwicklung und Kombination von Methoden und Maßnahmen zur Bestimmung und Reduktion systematischer Unzulänglichkeiten der KI-Module.
  • Systematischer Aufbau einer Argumentationskette und Testmethodik zum Nachweis der hinreichenden Mitigation von systematischen Unzulänglichkeiten eines KI-Moduls.
  • Auswahl und Weiterentwicklung von KI-Algorithmen für die Fußgängerdetektion hinsichtlich ihrer Absicherbarkeit.
  • Synthetische Erstellung von Trainings- und Testdatensätzen zur Analyse und Bewertung von systematischen Unzulänglichkeiten KI-basierter Verfahren.

In der Entwicklung dieser Methoden, Maßnahmen und Metriken arbeiten wir auf dem aktuellen Stand von Wissenschaft und Technik. Dabei bestimmen die Teilprojekte des Projekts, welche Ansätze, Verfahren und Methoden zielführend sind. Dieser Auswahlprozess wird zur kontinuierlichen Verbesserung im Projektverlauf regelmäßig wiederholt. Die zeitlichen Abstände dieser Iterationen können je nach Themenschwerpunkt variieren.

Wir arbeiten fachübergreifend eng zusammen und stellen mit fünf TP-übergreifenden Prozessen sicher, dass die Anforderungen und Potentiale aller Projektpartner zielführend ineinandergreifen. Hierbei beziehen wir soweit wie möglich und sinnvoll auch projektexterne Partner aus den Schwesterprojekten der VDA-Leitinitiative und darüber hinaus mit ein. Unser Konsortium steht dabei für eine möglichst offene und transparente Arbeitsweise und Kommunikation nach innen und nach außen.

3. Partner

Automobilhersteller:
Volkswagen AG (Konsortialführer), AUDI AG, BMW Group, Opel Automobile GmbH

Zulieferer:
Continental Automotive GmbH, Hella Aglaia Mobile Vision GmbH, Robert Bosch GmbH, Valeo Schalter und Sensoren GmbH, Visteon Electronics Germany GmbH, ZF Friedrichshafen AG

Technologieprovider:
AID Autonomous Intelligent Driving GmbH, Automotive Safety Technologies GmbH, Intel Deutschland GmbH, Mackevision Medien Design GmbH, Merantix AG, Luxoft GmbH, umlaut systems GmbH, QualityMinds GmbH

Forschungspartner:
Fraunhofer IAIS (Stellv. Konsortialführer und Wissenschaftlicher Koordinator), Bergische Universität Wuppertal, Deutsches Forschungszentrum für Künstliche Intelligenz, Deutsches Zentrum für Luft- und Raumfahrt, FZI Forschungszentrum Informatik, TU München, Universität Heidelberg

Externe Technologiepartner:
BIT Technology Solutions GmbH, neurocat GmbH, understand ai GmbH

Projektmanagement:
European Center for Information and Communication Technologies – EICT GmbH

 

 

Kontakt:  Michael Fürst
E-Mail: David.Michael.Fuerst@dfki.de
Telefon: +49 631 20575 1073
HyperCOG

 

 

The HyperCOG project proposes an innovative Cyber-Physical System (CPS) to cover industrial production needs in the current technological context of Industry 4.0. CPS is the technology that integrates computational and physical (devices, material, products, machinery and facilities) capabilities to provide useful information to operators. The system will have the ability to interact with humans and expand the capabilities of the physical world through computation, communication and control. The following 3 differentiating aspects will be assessed: (1) interconnection & interoperability among heterogeneous devices which ensure the real-time data acquisition from production environment and production commands feedback from the cyber space; (2) management, analysis of multi-source and heterogeneous big data (cognition systems); and (3) knowledge acquisition and learning methodology that supports intelligent decision-making to move towards the smart factory. In the HyperCOG project the CPS architecture will be validated in 3 pilots of 3 different manufacturing sectors such as steel, cement and chemical. The pilots will be located in Spain, Turkey and France.

The official website of the HyperCOG project is
https://www.hypercog.eu/

Partners :

  1. LORTEK S COOP ES
  2. FUNDACION TECNALIA RESEARCH & INNOVATION ES
  3. ECOLE SUPERIEURE DES TECHNOLOGIES INDUSTRIELLES AVANCEES France
  4. SIDENOR ACEROS ESPECIALES SL Spain
  5. CIMSA CIMENTO SANAYI VE TICARET ANONIM SIRKETI TR
  6. RHODIA OPERATIONS FR
  7. DEUTSCHES FORSCHUNGSZENTRUM FUR KUNSTLICHE INTELLIGENZ GMBH DE
  8. TECHNOLOGIE INITIATIVE SMARTFACTORY KL E.V. Germany
  9. MONDRAGON SISTEMAS DE INFORMACION SOCIEDAD COOPERATIVA ES
  10. UNIVERSITE PARIS XII VAL DE MARNE FR
  11. Cyber Services Plc HU
  12. EKODENGE MUHENDISLIK MIMARLIK DANISMANLIK TICARET ANONIM SIRKETI TR
  13. 2.-O LCA CONSULTANTS APS Denmark
  14. INSIGHT PUBLISHERS LIMITED UK

 

Kontakt: Dr.-Ing. Alain Pagani
E-Mail: Alain.Pagani@dfki.uni-kl.de
Telefon: +49 631 20575 3530
Anna C-trus

Contact person: Gerd Reis

ANNA – Artificial Neural Network Analyzer

A Framework for the Automatic Inspection of TRUS Images

The project ANNA (Artificial Neural Network Analyzer) aims at the design of a framework to analyze ultrasound images by means of signal processing combined with methods from the field of artificial intelligence (neural networks, self-organizing maps, etc.). Although not obvious ultrasound images do contain information that cannot be recognized by the human visual system and that do provide information about the underlying tissue. On the other hand the human visual system recognizes virtual structures in ultrasound images that are not related at all to the underlying tissue. Especially interesting in this regard is the fact that the careful combination several texture descriptor based filters is suited for an analysis by artificial neural networks and that suspicious regions can be marked reliably. The specific aim of the framework is to automatically analyze conventional rectal ultrasound (TRUS) images of the prostate in order to detect suspicious regions that are likely to relate to a primary cancer focus. These regions are marked for a subsequent biopsy procedure. The advantages of such an analysis are the significantly reduced number of biopsies compared to a random or systematic biopsy procedure to detect a primary cancer and the significantly enhanced success rate to extract primary cancer tissue with a single biopsy procedure. On one hand this results in a faster and more reliable diagnosis with significantly decreased intra-examiner variability, on the other hand the discomfort of the patient due to multiple biopsy sessions is dramatically reduced.

VIDP

Contact person: Dr. Gerd Reis
Funding by: BMBF

Visual Impairment Digital Platform

At present, the existing viewing aids and accessibility tools are rarely mobile and are usually heavy and expensive. They consist of electronics, mechanics, optics and a minimum of software. Their images cannot be adjusted according to individual eye diseases or individual patient parameters.

(more…)