Datenschutz trifft Deep Learning: Wie Peiyao Mao medizinische Bilddaten sicher nutzbar mac

Wie lassen sich medizinische Bilddaten so analysieren, dass sie Erkenntnisse liefern, ohne sensible Informationen über Patient:innen preiszugeben? Peiyao Mao von der Otto-Friedrich-Universität Bamberg hat eine innovative Antwort darauf gefunden: „Meine Abschlussarbeit beschäftigt sich damit, wie moderne Vision-Transformer-Modelle (ViT) und spezielle Hashing-Methoden helfen können, Bilddaten effizient zu durchsuchen und gleichzeitig die Privatsphäre zu schützen.“

Durch die Umwandlung der Bildinformationen in kompakte, gehashte Formen bleiben die Inhalte semantisch aussagekräftig – ohne Rückschlüsse auf personenbezogene Daten zuzulassen.

Zwischen Forschung und Studium

Trotz ihres Erfolgs hat Peiyao ihre Forschung zunächst nicht weitergeführt. „Aktuell konzentriere ich mich auf mein Masterstudium und möchte noch viele weitere Module kennenlernen.“ Doch der Award hat positive Spuren hinterlassen: Neue Kontakte, frische Motivation – und ein klarer Fokus auf Digital Health. „Ich konnte mich mit vielen interessanten Personen aus dem Bereich Medizinische Informatik und Engineering austauschen, was mich sehr motiviert hat, in meinem Masterstudium verstärkt in diesem Bereich zu forschen.“

Aufmerksam wurde Peiyao auf den Award über ihren Betreuer – und durch einen Kommilitonen, der bereits im Vorjahr am DMEA sparks Award teilgenommen hat und ebenfalls den dritten Platz in der Kategorie „Bachelorarbeit“ erreichen konnte.

Tipps für Bewerber:innen

Peiyaos wichtigster Rat für Studierende mit DMEA sparks Award-Ambitionen: Den Praxisbezug nicht vergessen! „Das Forschungsthema sollte nicht nur akademisch interessant, sondern auch praktisch anwendbar sein.“ Gerade auf der DMEA sei entscheidend, dass Unternehmen mit den Ergebnissen arbeiten können – und dass das Exposé wissenschaftlich überzeugend ist.