FAIR Data und Verteilte Analyse

FAIR steht für Findable, Accessible, Interoperable und Reusable.

Unsere Vision ist es, die Grenzen von Datensilos zu durchbrechen und sie zu analysieren, indem wir Daten und Dienste FAIR machen.

Unsere Forschung fokussiert auf Methoden für maschinell verwertbare Daten und Dienste, um datengetriebene Wissenschaft und Innovation zu fördern.

FAIRifizierung und Management von Daten

Wir unterstützen Praktiker bei der Entwicklung eines wertorientierten FAIR-Datenmanagements, damit Unternehmen ihre Daten über den gesamten Lebenszyklus verwalten und ihre datengetriebenen Geschäftsmodelle unterstützen können.

Verteilte Analyseplattformen

Die FIT Data Analytics Train Plattform bietet eine Lösung, um alle Vorteile verteilter Daten zu nutzen, ohne Daten zu teilen. Analysealgorithmen besuchen die dezentralen Datenzentren und kehren mit trainierten Modellen dessen, was sie aus den Daten gelernt haben, zurück (und reisen weiter).

PID-Systeme

Persistent Identifiers (PID) werden für die Verwaltung und gemeinsame Nutzung digitaler Ressourcen in der komplexen datenintensiven Produktion und Forschung verwendet. PID-Systeme identifizieren digitale Objekte (z. B. Daten, Software) global eindeutig und machen sie sowohl für menschliche als auch für maschinelle Nutzer auffindbar. 

FAIR Capability Maturity Models und Assessment 

Daten FAIR zu machen ist eine Reise: jede Organisation entscheidet selbst, welcher Weg der beste ist.  Das Capability Maturity Modell hilft Organisationen, ihre kritischen Prozesse für ihre Ziele zu identifizieren und leitet sie an, diese zu verbessern, um FAIR Daten zu erreichen.

Unser Serviceangebot

PADME

Personal Health Train (PHT) ist ein neuartiger Ansatz, der darauf abzielt, eine verteilte Datenanalyse-Infrastruktur zu schaffen, die die (Wieder-)Verwendung von verteilten Gesundheitsdaten ermöglicht. Gleichzeitig behalten die Datenbesitzer die Kontrolle über ihre Daten. Das Hauptprinzip des PHT besteht darin, dass die Daten an ihrem ursprünglichen Ort verbleiben und die Analyseaufgaben die Datenquellen besuchen und die Aufgaben ausführen. Der PHT bietet einen verteilten, flexiblen Ansatz für die Nutzung von Daten in einem Netzwerk von Teilnehmern, der die FAIR-Grundsätze berücksichtigt. PADME ist eine PHT-Implementierung, die von Fraunhofer in Zusammenarbeit mit der RWTH Köln, der Uniklinik Köln und der Universität Leipzig entwickelt wurde. Die Verteilte Analyse (VA) wurde eingeführt, um die Herausforderungen des Zugriffs auf und der Durchführung von Datenanalysen mit datenschutzrelevanten Daten zu bewältigen. Das Hauptprinzip von VA besteht darin, dass die Analyseaufgabe zu den Daten gebracht wird, anstatt die Daten an einen zentralen Ort zu bringen, um die Datenanalysealgorithmen auszuführen.

Unsere Studie ist Teil der deutschen Initiativen MII und GoFAIR.

Publikationen

Jahr
Year
Titel/Autor:in
Title/Author
Publikationstyp
Publication Type
2024 Skeleton Ground Truth Extraction: Methodology, Annotation Tool and Benchmarks
Yang, Cong; Indurkhya, Bipin; See, John; Gao, Bo; Ke, Yan; Boukhers, Zeyd; Yang, Zhenyu; Grzegorzek, Marcin
Zeitschriftenaufsatz
Journal Article
2023 Enhancing Reproducibility in Research Through FAIR Digital Objects
Boukhers, Zeyd; Castro, Leyla Jael
Konferenzbeitrag
Conference Paper
2023 NFDI4DS Infrastructure and Services
Schimmler, Sonja; Wentzel, Bianca; Bleier, Arnim; Dietze, Stefan; Karmakar, Saurav; Mutschke, Peter; Kraft, Angelie; Taffa, Tilahun A.; Usbeck, Ricardo; Boukhers, Zeyd; Auer, Sören; Castro, Leyla Jael; Ackermann, Marcel R.; Neumuth, Thomas; Schneider, Daniel; Abedjan, Ziawasch; Latif, Atif; Limani, Fidan; Ahmad, Raia Abu; Rehm, Georg; Khorasani, Sima Attar; Lieber, Matthias
Konferenzbeitrag
Conference Paper
2023 Beyond Trading Data: The Hidden Influence of Public Awareness and Interest on Cryptocurrency Volatility
Boukhers, Zeyd; Bouabdallah, Azeddine; Yang, Cong; Jürjens, Jan
Konferenzbeitrag
Conference Paper
2023 Enhancing Data Space Semantic Interoperability through Machine Learning: a Visionary Perspective
Boukhers, Zeyd; Lange-Bever, Christoph; Beyan, Oya Deniz
Konferenzbeitrag
Conference Paper
2023 Explainable AI for Bioinformatics: Methods, Tools and Applications
Karim, Md. Rezaul; Islam, Tanhim; Shajalal, Md; Beyan, Oya; Lange, Christoph; Cochez, Michael; Rebholz-Schuhmann, Dietrich; Decker, Stefan
Zeitschriftenaufsatz
Journal Article
2023 PADME-SoSci: A Platform for Analytics and Distributed Machine Learning for the Social Sciences
Boukhers, Zeyd; Bleier, Arnim; Ucer Yediel, Yeliz; Hienstorfer-Heitmann, Mio; Jaberansary, Mehrshad; Welten, Sascha; Koumpis, Adamantios; Beyan, Oya Deniz
Konferenzbeitrag
Conference Paper
2023 Knowledge guided multi-filter residual convolutional neural network for ICD coding from clinical text
Boukhers, Zeyd; Goswami, Prantik; Jürjens, Jan
Zeitschriftenaufsatz
Journal Article
2023 Pedestrian Collision Prediction Using a Monocular Camera
Chen, Shiyuan; Qin, Xue; Boukhers, Zeyd; See, John; Sui, Wei; Yang, Cong
Konferenzbeitrag
Conference Paper
2023 Research Knowledge Graphs in NFDI4DS
Karmakar, Saurav; Zloch, Matthäus; Fidan Limani; Zapilko, Benjamin; Upadhyaya, Sharmila; D’Souza, Jennifer; Castro, Leyla Jael; Rehm, Georg; Ackermann, Marcel R.; Sack, Harald; Boukhers, Zeyd; Schimmler, Sonja
Konferenzbeitrag
Conference Paper
2023 Deep author name disambiguation using DBLP data
Boukhers, Zeyd; Asundi, Nagaraj Bahubali
Zeitschriftenaufsatz
Journal Article
2022 Whois? Deep Author Name Disambiguation Using Bibliographic Data
Boukhers, Zeyd; Asundi, Nagaraj Bahubali
Konferenzbeitrag
Conference Paper
2021 A Minimal Information Model for Potential Drug-Drug Interactions
Hochheiser, H.; Jing, X.; Garcia, E.A.; Ayvaz, S.; Sahay, R.; Dumontier, M.; Banda, J.M.; Beyan, O.; Brochhausen, M.; Draper, E.; Habiel, S.; Hassanzadeh, O.; Herrero-Zazo, M.; Hocum, B.; Horn, J.; LeBaron, B.; Malone, D.C.; Nytro, O.; Reese, T.; Romagnoli, K.; Schneider, J.; Zhang, L.; Boyce, R.D.
Zeitschriftenaufsatz
Journal Article
2021 Deep learning-based clustering approaches for bioinformatics
Karim, M.R.; Beyan, O.; Zappa, A.; Costa, I.G.; Rebholz-Schuhmann, D.; Cochez, M.; Decker, S.
Zeitschriftenaufsatz
Journal Article
2021 Dams: A distributed analytics metadata schema
Welten, S.; Neumann, L.; Yediel, Y.U.; Bonino da Silva Santos, L.O.; Decker, S.; Beyan, O.
Zeitschriftenaufsatz
Journal Article
2021 DeepKneeExplainer: Explainable knee osteoarthritis diagnosis from radiographs and magnetic resonance imaging
Karim, Rezaul; Jiao, Jiao; Döhmen, Till; Cochez, Michael; Beyan, Oya; Rebholz-Schuhmann, Dietrich; Decker, Stefan
Zeitschriftenaufsatz
Journal Article
2021 Distributed Skin Lesion Analysis Across Decentralised Data Sources
Mou, Y.; Welten, S.; Jaberansary, M.; Ucer Yediel, Y.; Kirsten, T.; Decker, S.; Beyan, O.
Konferenzbeitrag
Conference Paper
2020 A snapshot neural ensemble method for cancer-type prediction based on copy number variations
Karim, M.R.; Rahman, A.; Jares, J.B.; Decker, S.; Beyan, O.
Zeitschriftenaufsatz
Journal Article
2020 DeepCOVIDExplainer: Explainable COVID-19 Diagnosis from Chest X-ray Images
Karim, M.R.; Döhmen, T.; Cochez, M.; Beyan, O.; Rebholz-Schuhmann, D.; Decker, S.
Konferenzbeitrag
Conference Paper
2020 Enabling ad-hoc reuse of private data repositories through schema extraction
Gleim, L.C.; Karim, M.R.; Zimmermann, L.; Kohlbacher, O.; Stenzhorn, H.; Decker, S.; Beyan, O.
Zeitschriftenaufsatz
Journal Article
2020 Implementation of eHealth and AI integrated diagnostics with multidisciplinary digitized data: Are we ready from an international perspective?
Bukowski, M.; Farkas, R.; Beyan, O.; Moll, L.; Hahn, H.; Kiessling, F.; Schmitz-Rode, T.
Zeitschriftenaufsatz
Journal Article
2019 OncoNetExplainer: Explainable predictions of cancer types based on gene expression data
Karim, M.R.; Cochez, M.; Beyan, O.; Decker, S.; Lange, Christoph
Konferenzbeitrag
Conference Paper
2019 Prognostically Relevant Subtypes and Survival Prediction for Breast Cancer Based on Multimodal Genomics Data
Karim, M.R.; Wicaksono, G.; Costa, I.G.; Decker, S.; Beyan, O.
Zeitschriftenaufsatz
Journal Article
2019 Implementation of clinical decision support services to detect potential drug-drug interaction using clinical quality language
Nguyen, B.-P.; Reese, T.; Decker, S.; Malone, D.; Boyce, R.D.; Beyan, O.
Konferenzbeitrag
Conference Paper
2019 Design of metadata services for clinical data interoperability in Germany
Löbe, M.; Beyan, O.; Stäubert, S.; Meineke, F.; Ammon, D.; Winter, A.; Decker, S.; Löffler, M.; Kirsten, T.
Konferenzbeitrag
Conference Paper
2019 Drug-drug interaction prediction based on knowledge graph embeddings and convolutional-LSTM network
Rezaul Karim, M.; Cochez, M.; Jares, J.B.; Uddin, M.; Beyan, O.; Decker, S.
Konferenzbeitrag
Conference Paper
2018 Research Data in the Fraunhofer Digital Project. Creating a FAIR Research Data Infrastructure and Culture
Beyan, O.; Wuchner, Andrea; Eisengräber-Pabst, Dirk; Quix, C.; Zaschke, Christian; Schumacher, Oliver
Konferenzbeitrag
Conference Paper
2018 Representing medication guidelines for use in production rule systems in the context of POLYCARE project
Könning, Jonas W.; Velasco, Carlos A.; Mohamad, Yehya; Decker, Stefan; Beyan, Oya
Konferenzbeitrag
Conference Paper
2018 Preface of SeWeBMeDA 2018: Semantic web solutions for large-scale biomedical data analytics
Hasnain, A.; Beyan, O.; Decker, S.; Rebholz-Schuhmann, D.
Konferenzbeitrag
Conference Paper
2018 Schema extraction for privacy preserving processing of sensitive data
Gleim, L.C.; Rezaul Karim, M.; Zimmermann, L.; Kohlbacher, O.; Stenzhorn, H.; Decker, S.; Beyan, O.
Konferenzbeitrag
Conference Paper
2018 A distributed analytics platform to execute FHIR-based phenotyping algorithms
Karim, M.R.; Nguyen, B.-P.; Zimmermann, L.; Kirsten, T.; Löbe, M.; Meineke, F.; Stenzhorn, H.; Kohlbacher, O.; Decker, S.; Beyan, O.
Konferenzbeitrag
Conference Paper
2017 Minimum information for dielectric measurements of biological tissues (MINDER)
Porter, E.; Gioia, A. La; Salahuddin, S.; Decker, S.; Shahzad, A.; Adnan Elahi, M.; O'Halloran, M.; Beyan, O.
Zeitschriftenaufsatz
Journal Article
2017 Towards a FAIR sharing of scientific experiments: Improving discoverability and reusability of dielectric measurements of biological tissues
Rezaul Karim, M.; Heinrichs, Matthias; Gleim, Lars C.; Cochez, Michael; Porter, Emily; Gioia, Alessandra la; Salahuddin, Saqib; O'Halloran, Martin; Decker, Stefan; Beyan, Oya
Konferenzbeitrag
Conference Paper
2016 An RDF based semantic approach to model temporal relations in health records
Beyan, O.; Decker, S.
Konferenzbeitrag
Conference Paper
Diese Liste ist ein Auszug aus der Publikationsplattform Fraunhofer-Publica

This list has been generated from the publication platform Fraunhofer-Publica