Lmst

#ABCD_J

Die Arbeit von #ABCD_J zum Thema vertrauenswürdiges #Machine_Learning, darunter auch #JuLearn, steht in engem Zusammenhang mit der ethischen Forschung zu medizinischer #KI am @fzj. Dieser Zusammenhang ist ein Schwerpunkt der Gruppe #Neuroethik und Ethik in der KI und ihrer Vortragsreihe Phil.Tech.Talks.

Erfahren Sie mehr über die Zusammenhänge zwischen ⚖️ #Ethik, 🤖 KI, und 🧠 #Neurowissenschaften: https://abcd-j.de/de/news/2026-philtechtalks/

#ML #AI

Graue Silhouette eines menschlichen Kopfes, aus dessen Oberseite eine hexagonale neuronale Netzwerkstruktur hervortritt.

#JTrack umfasst zwei Apps: JTrack Social & JTrack EMA+. Was kann EMA+?

📱 Eine #OpenSource, datenschutzfreundliche App zur Erhebung von Alltagsselbstauskünften (#EMA) in Studien.

📊 In einer Pilotstudie nutzten 179 Eltern die App über bis zu 480 Tage für wöchentliche Umfragen. Bei Langzeitnutzung konnten individuelle Veränderungen sichtbar gemacht werden.

👉 Mehr im #ABCD_J Software #Showcase: https://www.abcd-j.de/de/showcases/software-jtrack-ema/

#mHealth #Studienhighlights

Diagramm zur Veranschaulichung der JTrack-Systemarchitektur. Auf der linken Seite greifen „Benutzer: Studieninhaber” auf das JTrack-Dashboard zu, das JDash (Frontend), API, DataLad (Backend) und einen Benachrichtigungsdienst umfasst. Das Backend ist mit der JTrack-Smartphone-App auf der rechten Seite verbunden, die von „Benutzern: Teilnehmern” verwendet wird. Die Smartphone-App umfasst die Module JTrack Social und JTrack EMA. Durchgezogene Pfeile stellen den Datenfluss zwischen den Komponenten dar, während gestrichelte Pfeile den Benachrichtigungspaketfluss zwischen dem Benachrichtigungsdienst und der Smartphone-App darstellen.

Das nächste #Studienhighlights aus dem #ABCD_J‑Netzwerk: Eine Studie testete eine Smartphone‑basierte Lösung mit #JTrack Social zur Fernanalyse von Gangbild & Gleichgewicht: https://www.abcd-j.de/de/showcases/showcase-gait/

➡️ Gewöhnung & Training verbesserten die Werte gleichermaßen
➡️ #Sensor am Unterbauch zeigte ähnliche Ergebnisse wie am Rücken
➡️ Quantitative Bewegungsdaten können mit geringem technischem Aufwand erfasst werden – ein Schritt in Richtung skalierbarer digitaler Gesundheitsanwendungen

#Motorik #mHealth

Screenshot der Benutzeroberfläche der Smartphone-App „JTrack Social“. Der Bildschirm zeigt eine Gehaufgabe mit der Bezeichnung „normaler_gang“ und einem auf 1 Minute und 30 Sekunden eingestellten Timer. Unterhalb des Timers wird eine große runde Wiedergabetaste angezeigt. Die App hat eine dunkle Kopfzeile mit dem Titel „JTrack Social“.

Wenn einer Ihrer Vorsätze für das neue Jahr lautet, mehr zu lesen, haben wir einige #Studienhighlights für Sie! Eine im Rahmen von #ABCD_J durchgeführte Analyse hat beispielsweise gezeigt, wie sich motorische Fähigkeiten im Laufe des Lebens verändern und wie das Geschlecht diesen Prozess beeinflusst. Besonders spannend: Die Studie nutzte wiederverwendbare, gut strukturierte Datensätze via @datalad.

👉 https://abcd-j.de/de/showcases/showcase-motor-impairment/

#Motorik #OpenData #Reproducibility

Eine zweiteilige Abbildung, die die altersbedingte Gruppierung anhand von drei motorischen Funktionskomponenten (Geschicklichkeit, Kraft, Geschwindigkeit) zeigt. Panel A: Drei Streudiagramme zeigen die individuellen Faktorladungen für Geschicklichkeit, Kraft und Geschwindigkeit im Alter von 21 bis 88 Jahren. Die Datenpunkte sind nach K-Means-Clustern farblich gekennzeichnet: grün (n=296) für Teilnehmer mit hoher Leistung und rot (n=148) für Teilnehmer mit geringer Leistung. Grüne Punkte tendieren dazu, sich um höhere Faktorladungen über alle Komponenten hinweg zu gruppieren, während rote Punkte eine verminderte Leistung zeigen, die besonders mit zunehmendem Alter auffällt. Panel B: Drei 3D-Streudiagramme veranschaulichen die Trennung zwischen Teilnehmern mit hoher (grün) und niedriger (rot) Leistung in den Altersgruppen 21–40, 41–60 und 61–88 Jahre. Die Achsen stehen für Geschicklichkeit, Kraft und Geschwindigkeit. In den jüngeren Gruppen gibt es mehr Teilnehmer mit hoher Leistung und gehäuften hohen Punktzahlen, während in den älteren Gruppen mehr Teilnehmer mit niedriger Leistung und einer größeren Streuung sowie niedrigeren Punktzahlen zu finden sind.

Zurück zu unseren Partnern: Ebenfalls Teil von #ABCD_J ist die Uniklinik Düsseldorf. Die Schwerpunkte der involvierten Institute liegen auf der Erforschung von entzündlichen Erkrankungen, Schlaf und zirkadianen Rhytmen, und sozialen Interaktionen.

Eine Luftaufnahme des Uniklinikums Düsseldorf bei Nacht

Die Universitätsklinik #Köln bringt Daten und Expertise zu Neurodegeneration und Schlaganfallforschung ins #ABCD_J Projekt, aber auch in der Anwendung digitaler Methoden im Bereich psychotischer und affektiver Erkrankungen.

Das B in #ABCD_J ist die Uniklinik #Bonn: https://abcd-j.de/sites/ubonn/. Dort ist die Klinik für Psychiatrie im Bereich der Früherkennung und Behandlung psychischer Erkrankungen wissenschaftlich aktiv, einschließlich der Nutzung eines "Virtual Reality” Labors.

Gebäude der Universitätsklinik Bonn mit Bäumen und Gras im Vordergrund und durchscheinendem Sonnenlicht.

Wer genau sind die Projektpartner bei #ABCD_J? Wir fangen mit der Vorstellung des Forschungszentrum Jülich an – eine der größten Forschungseinrichtungen in Europa (@fzj). Dort sitzt das INM-7, das das ABCD-J Projekt koordiniert, technische Infrastruktur stellt, sowie die #Forschungssoftware entwickelt, die die klinischen Partner verwenden. Allerdings hat das Institut noch weit mehr zu bieten. Ein Blick auf die Webseite https://www.fz-juelich.de/inm/inm-7 lohnt sich!

Die #ABCD_J Projektpartner (@fzj, #RWTH_Aachen, #Uniklinik_Bonn, #Uniklinik_Köln, #Uniklinik_Düsseldorf, #LVR_Klinikum_Düsseldorf) trafen sich am 4. Juli zu einem Jahresgespräch auf dem @DLR Projektträger-Campus in Bonn, um die Fortschritte zu besprechen und die zukünftige Ausrichtung des Projekts zu vereinbaren: https://www.abcd-j.de/de/news/2025-annual-meeting. 🚀 Auf in ein starkes neues Projektjahr! #Kooperationsnetzwerk #OpenScience

ABCD-J 2025 Jahresgespräch Teilnehmer; Von links nach rechts abgebildet: Jenna Swarthout Goddard, Melanie Schütte, Joseph Kambeitz, Axel Krug, Anna Geiger, Kathrin Reetz, Bianka Hilfrich, Simon Eickhoff; Nicht abgebildet: Simone Hienz.

Vielen Dank an alle, die am kostenlosen #Workshop und #Hackathon in Aachen (30. Juni – 2. Juli) teilgenommen haben – gemeinsam organisiert von @WiNoDa, @dkz2r, @nfdi4ing und @nfdi4objects! Die dreitägige Veranstaltung verband Einführungen in @datalad und #Datenmanagement mit praxisnaher Arbeit an konkreten Anwendungsfällen der Teilnehmenden. Lesen Sie mehr auf der #ABCD_J Website: https://www.abcd-j.de/de/news/2025-dkz2r-workshop/.

Folie mit dem Titel „DataLad – Unsere Einführung, Ihre Anwendungsfälle“, präsentiert von Michael Hanke, Adina Wagner, Stephan Heunis und Michał Szczepanik. Zu den angegebenen Einrichtungen gehören das Institut für Neurowissenschaften und Medizin (INM-7), das Forschungszentrum Jülich und das Institut für Systemneurowissenschaften der Heinrich-Heine-Universität Düsseldorf. Die angegebenen Kontaktdaten lauten @datalad@fosstodon.org, die Website lautet http://psychoinformatics.de. Die Logos des Forschungszentrums Jülich und der Heinrich-Heine-Universität Düsseldorf sind abgebildet. Veranstaltungsdatum und -ort: 30. Juni bis 2. Juli 2025, Aachen.

#Softwareentwicklung ist nicht etwas, das man nachts und allein bei Kaffee und Pizza macht. #Forschungssoftware ist #kollaborativ! Ein beliebtes Format zur Entwicklung und Vermittlung ist ein sogenannter #Hackathon (oder "Brainhack" in den #Neurowissenschaften): eine meist interdisziplinäre kurzweilige Soft- oder Hardwareentwicklungsveranstaltung. Beim #Brainhack auf der diesjährige Kongress der https://wisskomm.social/@dgkn waren die #ABCD_J #Research_Software_Engineers dabei: https://www.abcd-j.de/de/news/2025-dgkn-hackroom/

Wie die Werkzeuge des #ABCD_J Projektes in der klinischen Praxis angewandt werden, das wollen wir in #Studienhighlights zeigen. Darin fassen wir die Ergebnisse wissenschaftlicher Publikationen allgemeinverständlich zusammen. Eine kürzlich erschienene Studie zeigt beispielsweise mittels #JTrack Social Unterschiede in Kommunikationsmustern zwischen neurotypischen und autistischen Erwachsenen auf. Das ganze Highlight gibt es hier: https://www.abcd-j.de/de/showcases/showcase-asd

Mehrere Liniendiagramme, die die durchschnittliche tägliche Nutzungsdauer von Smartphones in verschiedenen Kommunikationskategorien zeigen. In Türkis sind jeweils die Daten der Kontrollgruppe mit typischer neurologischer Entwicklung (TD) abgebildet, und in rosa die Daten der Erwachsenen mit Autismus-Spektrum-Störung (ASD). In der Gesamtkommunikation zeigt sich kein Unterschied zwischen den Gruppen (unterste Grafik). Die TD Gruppe nutzt jedoch mehr verbale Kommunikation als die ASD Gruppe (oberste Grafik), während die ASD Gruppe mehr schriftliche Kommunikation nutzt (zweite Grafik).

#RSE #Stories hinter #ABCD_J: @jsheunis (https://www.abcd-j.de/contributors/stephan-heunis/) entwickelt federführend @datalad catalog, die Software hinter unserem (Meta-)Datenkatalog. Früher hat her mit Echtzeit #fMRI in Gehirne geschaut, jetzt baut er #Open_Source #Werkzeuge zur Unterstützung inklusiver #Wissenschaftsgeminschaften.

#RSE #Stories hinter #ABCD_J: Mehran Turna (https://www.abcd-j.de/de/contributors/mehran-turna/) ist einer der #Entwickler von #JTrack. Neben der Forschung zu digitalen #Biomarkern und #mobileHealth arbeitet Mehran ehrenamtlich mit https://code.org/ zusammen, um Teenagern das Programmieren und die Bedienung von Robotern beizubringen 🤖

Übrigens: Wenn auch Sie mit den technischen Lösungen des #ABCD_J Projekts arbeiten wollen, gibt es keine Hindernisse: Unsere #Software steht zur freien Verfügung. Außerdem gibt es regelmäßige virtuelle #Sprechstunden zum Austausch mit Interessierten: https://www.fz-juelich.de/de/inm/inm-7/leistungen/tools/virtuelle-sprechstunden

#Open_Source_Software #JuLearn @datalad #JTrack

Drei Personen, die an einem virtuellen Videoanruf auf einem Desktop-Computer teilnehmen

🏆 #JuLearn – eine #ML #Python Bibliothek im #ABCD_J #Open_Source_Software Stack – wird als @fzj #JuRSE (Jülich Research Software Engineering) #Code of the Month für Mai 2025 vorgestellt! Lesen Sie mehr auf der JuRSE-Website: https://www.fz-juelich.de/en/rse/community-initiatives/jurse-code-of-the-month/may-2025.

#Machine_Learning #Software #RSE

Screenshot des JuLearn Scores Viewer, der Daten für die Metrik neg_mean_absolute_error für drei Modelle anzeigt: gauss, rvr und svm.

Gibt es eine Rolle für #AI in dem #ABCD_J Projekt? Ja! Und #JuLearn (https://juaml.github.io/julearn/main/index.html) -- eine #Open_Source_Software, die auf @sklearn aufbaut -- ist die Art und Weise, wie wir sie implementieren. Die JuLearn #Python Bibliothek ermöglicht es Nutzern, #ML Modelle aus @pandas_dev DataFrames zu testen, indem sie die Menge des notwendigen Codes minimiert und Datenlecks vermeidet. Sie fördert verzerrungsfreie Methoden und Ergebnisse, die konsequent auf Verallgemeinerbarkeit getestet werden.

Schon gewusst? Im Kern des #ABCD_J Projektes steht auch ein dezentraler (Meta-) #Datenkatalog (https://data.abcd-j.de). In diesem können Projektpartner Informationen über #Datensätze hinterlegen und auffindbar machen. Damit machen wir wissenschaftliche #Daten #FAIR, aber nur so weit zugänglich, das der #Datenschutz gewahrt bleibt. Die #Software dahinter ist @datalad catalog (https://docs.datalad.org/projects/catalog/en/latest/index.html), eine freie #Open_Source_Software zum Erstellen von (Meta-) #Datenbrowsern.

#RDM #Metadaten

Screenshot des ABCD-J-Datenkatalogs, einschließlich der Beschreibung (auf Englisch), Dieser Datenkatalog enthält Datensätze aus dem ABCD-J-Forschungsverbundprojekt mit dem offiziellen Titel "Verbundprojekt: Accessing Behavior for Clinical Data and Joint usage (ABCD-J) - Eine Plattform für Verhaltensmarker der digitalen Neuromedizin in NRW". Dieses Projekt ist eine Kooperation von fünf Forschungseinrichtungen in Nordrhein-Westfalen: Universitätsklinikum RWTH Aachen, Universitätsklinikum Bonn, Universitätsklinikum Köln, Universitätsklinikum Düsseldorf und Forschungszentrum Jülich. Das übergreifende Ziel von ABCD-J ist es, bestehende technische Lösungen für die Forschungspraxis nutzbar zu machen. Aus sozialer Sicht soll das ABCD-J-Projekt die Zusammenarbeit zwischen mehreren Forschungszentren fördern und erleichtern, während aus technischer Sicht das Projekt die Forschung durch die Homogenisierung von Arbeitsabläufen und Prozessen beschleunigen wird, wobei der Schwerpunkt auf der Entwicklung digitaler Biomarker liegt.

Was wollen wir konkret mit #ABCD_J erreichen? Wir wollen klinischen #Neurologie- und #Psychiatrie-Forschern eine digitale Infrastruktur zur Verfügung stellen, die 1) #Datenerhebung mit #mobileHealth-Technologien, 2) #Datenmanagement nach den #FAIR-Prinzipien (Findable, Accessible, Interoperable, Reusable) und 3) automatisierte #Datenanalyse mit #ML-Algorithmen, mit dem Ziel, digitale #Biomarker zu entwickeln. Wie wir das machen, erläutern wir auf diesem Kanal und unter https://www.abcd-j.de/.

Schematische Darstellung der Logos für die in ABCD-J-verwendeten Technologien, einschließlich Lösungen für mobile Gesundheit (JTrack), Datenmanagement (DataLad) und maschinelles Lernen (JuLearn).

Hallo Mastodon! Zeit für unsere #Vorstellung. Hier trötet das #ABCD_J Projekt. Wir sind eine vom Land NRW geförderte Initiative für die Verbesserung von klinischer Forschung mittels #Biomarkern und #mobileHealth. Dazu integrieren wir – das Institut für Neurowissenschaften und Medizin: Gehirn und Verhalten (INM-7) @fzj, und unsere klinischen Partner an den Unikliniken Aachen, Bonn, Köln, und Düsseldorf – verschiedene technische Lösungen zu einer Plattform für digitale Biomarker und vernetzen uns.

#ABCD_J

Client Info