Stellenangebote

Die Universität Oldenburg engagiert sich für Gleichstellung, Diversität, Inklusion und die Vereinbarkeit von Familie und Beruf. Sie ist Unterzeichnerin der Charta der Vielfalt und seit 2004 als familiengerechte Hochschule zertifiziert. Wir begrüßen Bewerbungen von Menschen aller Nationalitäten, ethnischer und sozialer Herkünfte, Religionen, geschlechtlicher Identitäten, sexueller Orientierungen und Altersstufen.

« Zurück zur Übersicht


Stellenausschreibung / Job advertisement

In einem innovativen Gemeinschaftsprojekt der Universitätsklinik für Neurologie (Prof. Dr. Karsten Witt), der Abteilung medizinische Physik (Prof. Dr. rer. nat. Dr. med. Birger Kollmeier), der Universitätsklinik für Hals-, Nasen-, Ohrenheilkunde (Prof. Dr. Andreas Radeloff) und dem Fraunhofer IDMT, Institutsteil Hör-, Sprach- und Audiotechnologie (Dr. Insa Wolf) ist zum nächstmöglichen Zeitpunkt zu besetzen:

1 Doktorandenstelle (75 % E13, 3 Jahre, m/w/d)
Projekt IdA (Identifikation von Biosignalen für ein mobiles Schlafscreening mit besonderem Fokus auf Apnoe)

Die Promotion (Projektbeschreibung s. u.) ist an der Schnittstelle zwischen innovativer Sensortechnik, der Datenanalyse mittels maschineller Lernverfahren und der Datenerhebung am Menschen geplant und wird durch die vier o. g. Projektleitenden betreut. In Abhängigkeit von der fachlichen Ausrichtung des/der auf diese Stelle eingesetzten wissenschaftlichen Mitarbeiters / Mitarbeiterin wird die Erstbetreuung und Einbindung in die jeweilige Arbeitsgruppe von den drei universitären Projektleitenden festgelegt. Eine Stellenaufstockung um max. 25 % aus anderen Projektmitteln ist je nach individueller Passung in den jeweiligen Projektzusammenhang möglich.

Einstellungsvoraussetzungen sind ein mit überdurchschnittlichem Erfolg abgeschlossenes wissenschaftliches Hochschulstudium in Engineering Physics, Physik-Technik-Medizin, Nachrichtentechnik, Informatik, Medizintechnik, Hörtechnik und Audiologie oder verwandter Fächer sowie Erfahrungen auf dem Gebiet der Signalverarbeitung, des maschinellen Lernens und/oder der Messtechnik für Biosignale oder anderer für die Thematik relevanter Gebiete.

Die Mitwirkung an dem vom aufnehmenden Department angebotenen Lehrangebot nach der geltenden LVVO wird vorausgesetzt.

Die Carl von Ossietzky Universität Oldenburg strebt an, den Frauenanteil im Wissenschaftsbereich zu erhöhen. Deshalb werden Frauen nachdrücklich aufgefordert, sich zu bewerben. Gemäß § 21 Abs. 3 NHG werden Bewerberinnen bei gleichwertiger Qualifikation bevorzugt berücksichtigt.
Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt.

Bewerbungen (Lebenslauf, Motivationsschreiben, Kopien der zwei relevantesten Zeugnisse, Name und Kontaktadresse mindestens einer Person, die zu einer Referenz bereit ist) richten Sie bitte als ein pdf-File bis zum 15.08.2022 an Prof. Dr. Dr. Birger Kollmeier, Department für medizinische Physik und Akustik, Carl von Ossietzky Universität, 26111 Oldenburg, E-Mail

Projektbeschreibung
Identifikation von Biosignalen für ein mobiles Schlafscreening mit besonderem Fokus auf Apnoe (IdA)

Hintergrund: Das Schlaf-Apnoe Syndrom (SAS) ist eine der häufigsten Schlafstörungen, jeder 4. Mann und jede 10. Frau zeigen relevante Atempausen im Schlaf, die ein Risikofaktor für vaskuläre Erkrankungen sind [1]. Patienten mit einem obstruktiven Schlaf-Apnoe Syndrome (OSAS) finden sich vor allem in der HNO Klinik und der Neurologie. 75% aller Schlaganfallpatienten haben ein SAS, aber nur 2% dieser Patienten werden einer Diagnostik zugeführt, vermutlich weil diese aufwendig ist und die Ressourcen limitiert sind. Der Apnoe-Hypopnoe Index (AHI) bezeichnet in der Schlafmedizin die durchschnittliche Anzahl von Apnoe- und Hypopnoe Episoden pro Stunde. Er definiert und graduiert schlafbezogene Atemstörungen wie das OSAS hinsichtlich der Schwere und dient als Richtwert für eine Behandlung. Screening Methoden sind entweder teuer oder wissenschaftlich schlecht oder nicht validiert, so dass ein ubiquitär verfügbares und günstiges Verfahren, welches einfach und effektiv den Verdacht auf ein OSAS nachgeht, fehlt. Der AHI errechnet sich aus den im Schlaflabor ermittelten Parametern des Atemflusses, der Thorax-Exkursion und der Sauerstoffentsättigung des Blutes, welche zu einer Weckreaktion führt. In der Literatur bestehen einige vielversprechende Ansätze einfachere Biomarker zu kombinieren, um den AHI zu prädizieren.

Hypothese: Mobil erfasste Biosignale (Akustik, Elektroenzephalogramm, Atembewegungen, Elektrokardiogramm, Pulsyoxymetrie) enthalten Informationen, die mittels Machine-Learning Algorithmen reduziert werden können und deren Kombination zuverlässig den AHI prädizieren. Dieses Vorgehen führt zur Entwicklung eines Demonstrators für die kostengünstige und einfache Erfassung des AHI mit mobiler Sensorik.

Methoden: Integration von Sensorik an eine Raspberry Pi basierte Multisensorplattform (EEG, Audio), Datenerhebungen in Vergleichsstudien der Multisensorplattform in Kombination mit einer Polygraphie, welche der Goldstandard der OSAS Diagnostik darstellt. Datenanalyse mittels Verfahren des Maschinellen Lernens zur Extraktion der wesentlichen Parameter für eine sensortechnisch einfache, aber sichere AHI Vorhersage.

Arbeitsprogramm: (1) Literaturrecherche und Einarbeitung in die Schlafanalyse. Exploration des Marktes hinsichtlich Erweiterungen und folgende Anschaffung von diesen Erweiterungen, welche die Rohdatenanalyse zulassen, dieses gilt für EKG-Equipment, Finger-Pulsoxymeter. In Zusammenarbeit mit dem Fraunhofer IDMT Integration eines Systems zur kontaktlosen Atmungserfassung. Erstellung eines Ethikantrags für die Vergleichsstudien. (2) Studie zur Datenerhebung bei den eingebundenen Kliniken (3) Implementierung von Analysealgorithmen auf Basis verschiedener Sensorkonfigurationen zur Ermittlung des AHI (4) Validierung und Optimierung des Ansatzes hinsichtlich der Reduktion von notwendigen Sensorparametern. (5) Validierung des Verfahrens durch Anwendung auf Datensätze erhoben in einem Schlaflabor mit vollständiger Polysomnographie.

Ergebnisperspektive: Schlafstörungen, wie das OSAS, führen zu erhöhtem Risiko von beispielsweise Herzkreislaufstörungen, Demenz und Depression. Die robuste Prädiktion des AHI auf Basis eines reduzierten Sensordatensatzes, der mit mobiler Sensorik erfasst werden kann, wäre Grundlage für ein diagnostisches Supportsystem zur Prävention.

Ausdrucken

(Stand: 28.04.2022)