Alexander Geiger, M.Sc.

Raum: Forschungsgruppe MITI, 1. Geschoss
           Trogerstraße 10, 81675 München

Tel.: +49 (0)89 4140-7387

Email: alexander.geiger(at)tum.de

 

Google Scholar    LinkedIn

Forschungsschwerpunkte

  • KI in der Medizin
  • Multimodale Data Science und Machine Learning

Laufende Projekte

ManoVis

Gegenstand des Kooperationsprojekts ManoVis ist die Entwicklung optimierter, multimodaler Analysemethoden für Erkrankungen der Speiseröhre. Im Mittelpunkt steht die Entwicklung eines Diagnosesystems, welches eine optimale, funktionelle und morphologische Bewertung der Speiseröhrenbewegung (Motilität) ermöglicht. Das herkömmliche Vorgehen bei der Diagnose sieht hierbei bislang eine zeitlich aufeinanderfolgende Durchführung verschiedener Messmethoden vor (Röntgen-Kinematografie, Druckmessung, Impedanzmessung). Dabei geht jedoch der direkte zeitliche Zusammenhang zwischen den Einzelmessungen verloren, was die diagnostische Aussagekraft reduziert. Ziel des Projekts ist deshalb die zeitliche Synchronisierung der unterschiedlichen Modalitäten sowie die Entwicklung einer fusionierten Darstellung, die alle relevanten Teilinformationen der einzelnen Modalitäten kombiniert und intuitiv verständlich visualisiert. Alle für die Diagnose wichtigen Information sollen hierbei „auf einen Blick“ erfasst werden können. In einem zweiten Schritt soll dann untersucht werden, inwiefern die Röntgen-Kinematografie mithilfe der vorhandenen Informationen aus den anderen Messmethoden ersetzt werden kann. Hierdurch könnte die für den Patienten schädliche Röntgenstrahlung potenziell erheblich reduziert werden.

Publikationen

2024

  • A. Geiger, L. Wagner, D. Rueckert, D. Wilhelm, A. Jell, "Detecting and clustering swallow events in esophageal long-term high-resolution manometry", 2024 arXiv preprint, arxiv:2405.01126.

2021

  • D. Liu, K. Veeramachaneni, A. Geiger, V. OK Li, H. Qu, "AQEyes: Visual Analytics for Anomaly Detection and Examination of Air Quality Data", 2021 arXiv preprint, arXiv:2103.12910.

2020

  • A. Geiger, D. Liu, S. Alnegheimish, A. Cuesta-Infante and K. Veeramachaneni, "TadGAN: Time Series Anomaly Detection Using Generative Adversarial Networks", 2020 IEEE International Conference on Big Data (Big Data), Atlanta, GA, USA, 2020, pp. 33-43, doi: 10.1109/BigData50022.2020.9378139.

Fachvorträge

2024

  • "Fused multi-modal diagnostics of esophageal motility", DGE-BV 2024, Berlin