TY - RPRT A1 - Andratschke, Christin A1 - Ceullo, Laura A1 - Dawoud, Belal A1 - Draeger, Susan A1 - Gerdes, Thorsten A1 - Giebisch, Matthias A1 - Grießhammer, Peter A1 - Haas, Katharina A1 - Haug, Sonja A1 - Helling, Dominik A1 - Kominis, Lena A1 - Lang, Christian A1 - Malz, Sebastian A1 - Melzl, Johannes A1 - Michlbauer, David A1 - Mühlberger, Thomas A1 - Nagl, Klaus A1 - Preis, Michael A1 - Rechenauer, Christian A1 - Riederer, Michael A1 - Rückerl, Alexander A1 - Saller, Tobias A1 - Schnabl, Andreas A1 - Stadler, Michael A1 - Steffens, Oliver A1 - Steininger, Peter A1 - Stelzl, André A1 - Toutouly, Lovis A1 - Trauner, Matthias A1 - Vetter, Miriam A1 - Walbrunn, Johannes A1 - Weber, Karsten A1 - Zielbauer, Lukas ED - Steffens, Oliver T1 - MAGGIE: Energetische Modernisierung des genossenschaftlichen Wohnquartiers Margaretenau in Regensburg BT - Musterlösungen für solaroptimiertes Wohnen mit innovativen solaraktiven Baustoffen und einem KI-gestützten Energiemanagement für eine netzdienliche, emissionsarme Strom- und Wärmelogistik; Ergebnisbericht N2 - Im Projekt MAGGIE wurden für das genossenschaftliche historische Stadtquartier „Margaretenau“ in Regensburg Musterlösungen für energieoptimiertes Wohnen mit innovativen Wandaufbauten aus solaraktiven Baukonstruktionen und einer vorhersagebasierten Versorgungstechnologie erforscht. Dazu wurde ein bestehendes Wohngebäude als Demonstrations- und Versuchsobjekt mit einem neuartigen, besonders effizienten Hybridsystem aus Wärmepumpentechnologie und Kraft- Wärme-Kopplung ausgestattet und untersucht, ergänzt durch eine dynamische Wärmelogistik zur Verringerung von Verteilungsverlusten. Das System wurde durch ein neu entwickeltes, allgemein einsetzbares Planungs-, Optimierungs- und Steuerungstool ausgelegt und im Betrieb geregelt. Die in Echtzeit laufende Nachoptimierung des Systems während des Betriebs greift dabei auf reale Monitoringdaten zu. Die Einbindung von Nutzerbedarfsprofilen, Strombörse und Wetterdaten in die Steuerung gestattet einen dynamischen und perspektivischen Anlagenbetrieb zur Maximierung der Solar- und Umweltwärme-Anteile der Energieversorgung und leistet damit einen wirksamen Beitrag zu einem emissionsarmen, klimafreundlichen Gebäudebetrieb. Für die denkmalgerechte Modernisierung der historischen Fassaden wurde ein solaraktives und solaradaptives Außenputzsystem entwickelt und in der Realität getestet. Am Bestandsgebäude kam anstelle eines Wärmedämmverbundsystems ein innovativer Dämmputz mit Mikrohohlglaskugeln zum Einsatz. Die Skalierbarkeit erlaubt eine abschnittsweise Modernisierung des gesamten Ensembles über mehrere Jahre. Durch die hohe Energieeffizienz wird die Warmmiete für die Bewohner der genossenschaftlichen Siedlung durch die Modernisierungsmaßnahmen nicht erhöht, so dass auch nach der Modernisierung ein bezahlbares Wohnen sichergestellt wird. KW - Altbaumodernisierung KW - Energieeinsparung KW - Energiebewusstes Bauen KW - Haus Y1 - 2023 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:898-opus4-59011 SN - 978-3-96256-100-0 N1 - Gefördert durch einen Beschluss des Bundestages durch das Bundesministerium für Wirtschaft und Klimaschutz (BMWK); Projektlaufzeit Oktober 2017 bis Juni 2022; Förderkennzeichen 03SBE0007A–E CY - Regensburg ER - TY - RPRT A1 - Andratschke, Christin A1 - Ceullo, Laura A1 - Dawoud, Belal A1 - Draeger, Susan A1 - Gerdes, Thorsten A1 - Giebisch, Matthias A1 - Grießhammer, Peter A1 - Haas, Katharina A1 - Haug, Sonja A1 - Helling, Dominik A1 - Kominis, Lena A1 - Lang, Christian A1 - Malz, Sebastian A1 - Melzl, Johannes A1 - Michlbauer, David A1 - Mühlberger, Thomas A1 - Nagl, Klaus A1 - Preis, Michael A1 - Rechenauer, Christian A1 - Riederer, Michael A1 - Rückerl, Alexander A1 - Saller, Tobias A1 - Schnabl, Andreas A1 - Stadler, Michael A1 - Steffens, Oliver A1 - Steininger, Peter A1 - Stelzl, André A1 - Toutouly, Lovis A1 - Trauner, Matthias A1 - Vetter, Miriam A1 - Walbrunn, Johannes A1 - Weber, Karsten A1 - Zielbauer, Lukas ED - Steffens, Oliver T1 - MAGGIE: Energetische Modernisierung des genossenschaftlichen Wohnquartiers Margaretenau in Regensburg BT - Musterlösungen für solaroptimiertes Wohnen mit innovativen solaraktiven Baustoffen und einem KI-gestützten Energiemanagement für eine netzdienliche, emissionsarme Strom- und Wärmelogistik; Ergebnisbericht N2 - Im Projekt MAGGIE wurden für das genossenschaftliche historische Stadtquartier „Margaretenau“ in Regensburg Musterlösungen für energieoptimiertes Wohnen mit innovativen Wandaufbauten aus solaraktiven Baukonstruktionen und einer vorhersagebasierten Versorgungstechnologie erforscht. Dazu wurde ein bestehendes Wohngebäude als Demonstrations- und Versuchsobjekt mit einem neuartigen, besonders effizienten Hybridsystem aus Wärmepumpentechnologie und Kraft- Wärme-Kopplung ausgestattet und untersucht, ergänzt durch eine dynamische Wärmelogistik zur Verringerung von Verteilungsverlusten. Das System wurde durch ein neu entwickeltes, allgemein einsetzbares Planungs-, Optimierungs- und Steuerungstool ausgelegt und im Betrieb geregelt. Die in Echtzeit laufende Nachoptimierung des Systems während des Betriebs greift dabei auf reale Monitoringdaten zu. Die Einbindung von Nutzerbedarfsprofilen, Strombörse und Wetterdaten in die Steuerung gestattet einen dynamischen und perspektivischen Anlagenbetrieb zur Maximierung der Solar- und Umweltwärme-Anteile der Energieversorgung und leistet damit einen wirksamen Beitrag zu einem emissionsarmen, klimafreundlichen Gebäudebetrieb. Für die denkmalgerechte Modernisierung der historischen Fassaden wurde ein solaraktives und solaradaptives Außenputzsystem entwickelt und in der Realität getestet. Am Bestandsgebäude kam anstelle eines Wärmedämmverbundsystems ein innovativer Dämmputz mit Mikrohohlglaskugeln zum Einsatz. Die Skalierbarkeit erlaubt eine abschnittsweise Modernisierung des gesamten Ensembles über mehrere Jahre. Durch die hohe Energieeffizienz wird die Warmmiete für die Bewohner der genossenschaftlichen Siedlung durch die Modernisierungsmaßnahmen nicht erhöht, so dass auch nach der Modernisierung ein bezahlbares Wohnen sichergestellt wird. KW - Altbaumodernisierung KW - Energieeinsparung KW - Energiebewusstes Bauen KW - Haus Y1 - 2023 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:898-opus4-53354 SN - 978-3-96256-100-0 N1 - Gefördert durch einen Beschluss des Bundestages durch das Bundesministerium für Wirtschaft und Klimaschutz (BMWK); Projektlaufzeit Oktober 2017 bis Juni 2022; Förderkennzeichen 03SBE0007A–E N1 - korrigierte Version unter: https://doi.org/10.35096/othr/pub-5901 CY - Regensburg ER - TY - CHAP A1 - Scholz, Alexander-Wigbert K. A1 - Krenkel, Lars A1 - Terekhov, Maxim A1 - Friedrich, Janet A1 - Rivoire, Julien A1 - Köbrich, Rainer A1 - Wolf, Ursula A1 - Kalthoff, Daniel A1 - David, Matthias A1 - Wagner, Claus A1 - Schreiber, Laura Maria ED - Hirschel, Ernst Heinrich ED - Schröder, Wolfgang ED - Fujii, Kozo ED - Haase, Werner ED - Leer, Bram ED - Leschziner, Michael A. ED - Pandolfi, Maurizio ED - Periaux, Jacques ED - Rizzi, Arthur ED - Roux, Bernard ED - Shokin, Yurii I. ED - Klaas, Michael ED - Koch, Edmund ED - Schröder, Wolfgang T1 - Magnetic Resonance Imaging and Computational Fluid Dynamics of High Frequency Oscillatory Ventilation (HFOV) T2 - Fundamental Medical and Engineering Investigations on Protective Artificial Respiration N2 - In order to better understand the mechanisms of gas transport during High Frequency Oscillatory Ventilation (HFOV) Magnetic Resonance Imaging (MRI) with contrast gases and numerical flow simulations based on Computational Fluid Dynamics(CFD) methods are performed. Validation of these new techniques is conducted by comparing the results obtained with simplified models of the trachea and a first lung bifurcation as well as in a cast model of the upper central airways with results achieved from conventional fluid mechanical measurement techniques like e.g. Laser Doppler Anemometry (LDA). Further it is demonstrated that MRI of experimental HFOV is feasible and that Hyperpolarized 3He allows for imaging the gas re-distribution inside the lung. Finally, numerical results of oscillatory flow in a 3rd generation model of the lung as well as the impact of endotracheal tubes on the flow regime development in a trachea model are presented. KW - Central Airway KW - computational fluid dynamics KW - Computational Fluid Dynamics Simulation KW - Laser Doppler Anemometry KW - Magnetic Resonance Imaging Measurement Y1 - 2011 SN - 978-3-642-20325-1 U6 - https://doi.org/10.1007/978-3-642-20326-8_7 VL - 116 SP - 107 EP - 128 PB - Springer CY - Berlin, Heidelberg ER - TY - CHAP A1 - Cantalloube, Faustine A1 - Gomez-Gonzalez, Carlos A1 - Absil, Olivier A1 - Cantero, Carles A1 - Bacher, Regis A1 - Bonse, Markus A1 - Bottom, Michael A1 - Dahlqvist, Carl-Henrik A1 - Desgrange, Célia A1 - Flasseur, Olivier A1 - Fuhrmann, Thomas A1 - Henning, Thomas H. A1 - Jensen-Clem, Rebecca A1 - Kenworthy, Matthew A1 - Mawet, Dimitri A1 - Mesa, Dino A1 - Meshkat, Tiffany A1 - Mouillet, David A1 - Müller, André A1 - Nasedkin, Evert A1 - Pairet, Benoit A1 - Piérard, Sébastien A1 - Ruffio, Jean-Baptiste A1 - Samland, Matthias A1 - Stone, Jordan A1 - van Droogenbroeck, Marc ED - Schmidt, Dirk ED - Schreiber, Laura ED - Vernet, Elise T1 - Exoplanet imaging data challenge: benchmarking the various image processing methods for exoplanet detection T2 - Adaptive Optics Systems VII : 14-22 December 2020, online only, United States N2 - The Exoplanet Imaging Data Challenge is a community-wide effort meant to offer a platform for a fair and common comparison of image processing methods designed for exoplanet direct detection. For this purpose, it gathers on a dedicated repository (Zenodo), data from several high-contrast ground-based instruments worldwide in which we injected synthetic planetary signals. The data challenge is hosted on the CodaLab competition platform, where participants can upload their results. The specifications of the data challenge are published on our website https://exoplanet-imaging-challenge.github.io/. The first phase, launched on the 1st of September 2019 and closed on the 1st of October 2020, consisted in detecting point sources in two types of common data-set in the field of high-contrast imaging: data taken in pupil-tracking mode at one wavelength (subchallenge 1, also referred to as ADI) and multispectral data taken in pupil-tracking mode (subchallenge 2, also referred to as ADI+mSDI). In this paper, we describe the approach, organisational lessons-learnt and current limitations of the data challenge, as well as preliminary results of the participants’ submissions for this first phase. In the future, we plan to provide permanent access to the standard library of data sets and metrics, in order to guide the validation and support the publications of innovative image processing algorithms dedicated to high-contrast imaging of planetary systems. Y1 - 2020 SN - 9781510636835 U6 - https://doi.org/10.1117/12.2574803 PB - SPIE ER - TY - JOUR A1 - Ebigbo, Alanna A1 - Mendel, Robert A1 - Rückert, Tobias A1 - Schuster, Laurin A1 - Probst, Andreas A1 - Manzeneder, Johannes A1 - Prinz, Friederike A1 - Mende, Matthias A1 - Steinbrück, Ingo A1 - Faiss, Siegbert A1 - Rauber, David A1 - Souza Jr., Luis Antonio de A1 - Papa, João Paulo A1 - Deprez, Pierre A1 - Oyama, Tsuneo A1 - Takahashi, Akiko A1 - Seewald, Stefan A1 - Sharma, Prateek A1 - Byrne, Michael F. A1 - Palm, Christoph A1 - Messmann, Helmut T1 - Endoscopic prediction of submucosal invasion in Barrett’s cancer with the use of Artificial Intelligence: A pilot Study JF - Endoscopy N2 - Background and aims: The accurate differentiation between T1a and T1b Barrett’s cancer has both therapeutic and prognostic implications but is challenging even for experienced physicians. We trained an Artificial Intelligence (AI) system on the basis of deep artificial neural networks (deep learning) to differentiate between T1a and T1b Barrett’s cancer white-light images. Methods: Endoscopic images from three tertiary care centres in Germany were collected retrospectively. A deep learning system was trained and tested using the principles of cross-validation. A total of 230 white-light endoscopic images (108 T1a and 122 T1b) was evaluated with the AI-system. For comparison, the images were also classified by experts specialized in endoscopic diagnosis and treatment of Barrett’s cancer. Results: The sensitivity, specificity, F1 and accuracy of the AI-system in the differentiation between T1a and T1b cancer lesions was 0.77, 0.64, 0.73 and 0.71, respectively. There was no statistically significant difference between the performance of the AI-system and that of human experts with sensitivity, specificity, F1 and accuracy of 0.63, 0.78, 0.67 and 0.70 respectively. Conclusion: This pilot study demonstrates the first multicenter application of an AI-based system in the prediction of submucosal invasion in endoscopic images of Barrett’s cancer. AI scored equal to international experts in the field, but more work is necessary to improve the system and apply it to video sequences and in a real-life setting. Nevertheless, the correct prediction of submucosal invasion in Barret´s cancer remains challenging for both experts and AI. KW - Maschinelles Lernen KW - Neuronales Netz KW - Speiseröhrenkrebs KW - Diagnose KW - Artificial Intelligence KW - Machine learning KW - Adenocarcinoma KW - Barrett’s cancer KW - submucosal invasion Y1 - 2021 U6 - https://doi.org/10.1055/a-1311-8570 VL - 53 IS - 09 SP - 878 EP - 883 PB - Thieme CY - Stuttgart ER -