Prof. Dr. rer. nat. Peter Gemmar

P.Gemmar(at)hochschule-trier.de

Seit 1.3.2014 im Ruhestand. 
Danach wissenschaftliche Betreuung von FuE- und PhD-Projekten im Bereich Computerunterstützte Neuromodulation/tiefe Hirnstimulation in Zusammenarbeit mit dem Centre Hospitalier de Luxembourg (CHL, Luxembourg) und dem Luxembourg Centre for Systems Biomedicine (LCSB, Universität Luxembourg) bis 2017 und weiterhin eigene Studien im Bereich  Computational Intelligence / Machine Learning.   

Fachgebiete

Bildverarbeitung und Mustererkennung

Visuelle Information spielt eine zentrale Rolle bei der Wahrnehmung unserer Umgebung. Die Kontrolle des korrekten Ablaufs vieler (technischer) Prozesse, die Erfassung von Ereignissen, die Überprüfung von Ergebnissen (Produkten) usw. sind ohne visuelle Beobachtung und davon abgeleiteten Aktionen kaum möglich. 

Aufgabe und Ziel der digitalen, maschinellen Bildverarbeitung und Mustererkennung sind es, Methoden und Verfahren bereitzustellen, mit denen maschinelle Sehsysteme bestimmte Aufgaben einer visuellen Informationsverarbeitung erledigen und damit eine Automatisierung ermöglichen. Das potenzielles Einsatzgebiet der Bildverarbeitung geht weit über die uns verfügbare visuelle Wahrnehmung hinaus, betrachtet man z.B. nur die Gebiete optische Vermessung und Auswertung von Multispektralbildern.

Soft Computing / Computational Intelligence

Neuronale Netze lernen aus Beispielen, Fuzzy Logic ermöglicht die Erzeugung von Problemlösungen durch direkte, sprachliche Formulierung von Expertenwissen und Evolutionäre Algorithmen erzeugen optimale Lösungen durch Produktion und Selektion nach dem Evolutionsprinzip.

Mit Hilfe dieser Lösungsansätze lassen sich praktische Problemstellungen oftmals einfacher und schneller als mit konventionellen Methoden erzeugen. Dieses Potenzial gilt es für das sich ständig erweiternde Einsatzfeld der technischen Informationsverarbeitung und damit verbundenen innovativen Anwendungen zu nutzen. Wie und in welchem Ausmaß das möglich ist, zeigen aktuelle Entwicklungen des sogen. Deep Learning, wo mit "tiefen" künstlichen neuronalen Netzen Lösungen für Aufgabenstellungen vorgestellt werden, die vor wenigen Jahren noch mit klassischen Methoden als sehr schwer erreichbar betrachtet wurden.   

Robotik / Autonome Mobile Systeme

Robotersysteme werden zukünftig in unserer Arbeitswelt und auch in unserer privaten Umgebung eingesetzt werden. Dabei werden sie zunehmend Handlungsweisen autonom ausführen, wobei sie Methoden der Wissensakquisition und – verarbeitung anwenden. 

Autonome Roboter müssen mit Verhaltensweisen ausgestattet werden, damit sie sich in einer teils unbekannten Umgebung selbstständig zurechtfinden. Dazu sind komplexe Weltmodelle und Verhaltungskonzepte zu entwickeln, die auf umfangreichen Sensorinformationen und -auswertungen basieren und die flexible und adaptive Entscheidungs- und Aktionsprozesse integrieren.  

Forschung und Entwicklung

Forschungs und Entwicklungsgebiete

Abgeschlossene Forschungs- und Entwicklungsprojekte

Veröffentlichungen
  • P. Gemmar: Mortality Prediction for COVID-19 Patients: Methods and Potential. Journal of Bacteriology & Parasitology, 11:374, DOI: 10.35248/2155-9597.20.11.374, Juli 2020
    https://www.longdom.org/open-access/mortality-prediction-for-covid19-patients-methods-and-potential.pdf  (pdf-download)

  • P. Gemmar: An interpretable mortality prediction model for COVID-19 patients - alternative approach.   https://t.co/xCjjyYy4k7 #medRxiv, Juni 2020
  • A. Husch, M. V. Petersen, P. Gemmar, J. Goncalves, F. Hertel: PaCER - A fully automated method for electrode trajectory and contact reconstruction in deep brain stimulation. Elsevier NeuroImage: Clinical,  Volume 17, 2018, https://authors.elsevier.com/sd/article/S2213158217302450
  • A. Husch, P. Gemmar, M. Petersen, and F. Hertel: Post-Operative Deep Brain Stimulation Assessment: Automatic Data Integration and Report Generation, Brain Stimulation, Elsevier, Feb. 2018 
  • A. Husch, P. Gemmar, F. Hertel: Don’t Skip a Plate: On the Registration Accuracy of Stereotactic Frames Using Uniform and Non-Uniform Localizer Configurations - A Technical Note. Stereotactic and Functional Neurosurgery, Karger, 2017
  • F. Bernard, L. Salamanca, J. Thunberg, A. Tack, D.  Jentsch, H. Lamecker, S. Zachow, F. Hertel, J. Goncalves, P. Gemmar: Shape aware surface reconstruction from sparse 3D point-clouds. Medical Image Analysis, Volume 38, May 2017, 77-89, [arXiv]
  • A. Husch, P. Gemmar, J. Thunberg, F. Hertel:  Integration of sparse electrophysiological measurements with preoperative MRI using 3D surface estimation in deep brain stimulation surgery. SPIE Medical Imaging, Orlando, FL, Feb. 11 – 16, 2017, http://dx.doi.org/10.1117/12.2255894
  • F. Bernard, P. Gemmar, F. Hertel, J. Goncalves, J. Thunberg: Linear Shape Deformation Models with Local Support Using Graph-based Structured Matrix Factorisation. IEEE Conference on Computer Vision and Pattern Recognition (CVPR). Las Vegas, NV, June 2016, [arXiv]
  • Florian Bernard, Nikos Vlassis, Peter Gemmar, Andreas Husch, Johan Thunberg, Jorge Goncalves, and Frank Hertel: Fast Correspondences for Statistical Shape Models of Brain Structures, SPIE Medical Imaging, San Diego, CA, Feb. 27 – March 3, 2016, [pdf]
  • Florian Bernard, Johan Thunberg, Andreas Husch, Luis Salamanca, Peter Gemmar, Frank Hertel and Jorge Goncalves: Transitively Consistent and Unbiased Multi-Image Registration Using Numerically Stable Transformation Synchronisation, 18th International Conference on Medical Image Computing and Computer Assisted Interventions (MICCAI), Munich, October 5th-9th, 2015, [MIDAS Journal]
  • Markus C. Casper, Oliver Gronz und Peter Gemmar: Prozesstreue Parametrisierung und Kalibrierung eines Wasserhaushaltsmodells, Hydrologie und Wasserbewirtschaftung, HW 59.2015, Heft 4, 2015 
  • Florian Bernard, Johan Thunberg, Peter Gemmar, Frank Hertel, Andreas Husch, Jorge Goncalves: A Solution for Multi-Alignment by Transformation Synchronisation, 28th IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2015), Boston, MA, Jun 7, 2015 - Jun 12, 2015, [arXiv]
  • A. Husch, P. Gemmar, J. Lohscheller, F. Bernard, F. Hertel: Assessment of Electrode Displacement and Deformation with Respect to Pre-Operative Planning in Deep Brain Stimulation, Workshop Bildverarbeitung für die Medizin, BVM 2015, Aachen,  2015

Archiv 

Zur Person
  • bis 2017 Betreuung von FuE- sowie Promotionsprojekten als wissenschaftlicher Berater bei Universität Luxembourg / LCSB
  • seit 2014
    Professor im Ruhestand
  • 1990 bis 2014
    Professor an der Fachhochschule Trier im Fachbereich Informatik 
  • 1975 bis 1990
    Wissenschaftlicher Mitarbeiter am Forschungsinstitut für Informationsverarbeitung und Mustererkennung FIM (FGAN e.V.)
  • 1989 
    Promotion zum Dr. rer. nat. an der Fakultät für Informatik, Universität Karlsruhe (TH) 
  • 1975
    Dipl.-Ing. Elektrotechnik mit Schwerpunkt Datenverarbeitung an der Universität Karlsruhe (TH)

Privat

Jahrgang 1948, verheiratet und freut sich inzwischen über seine Enkelkinder; treibt gerne Sport und tourt ab-und-zu mit dem Motorrad durch die Region und auch etwas weiter.

Mit Methoden der Computational Intelligence werden kritische COVID-19 Fälle in der Intensivmedizin perspektivisch beurteilt.

 

Weiterlesen
back-to-top nach oben