Prof. Dr. Anja Tenberge

Zielgruppe: Die Veranstaltung richtet sich an Studierende im Bachelor Mechatronik (2. Fachsemester) und kann von Studierenden im Bachelor Informatik als Wahlpflichtfach gewählt werden.

Ziele der Veranstaltung: Die Studierenden sind nach dem Besuch der Veranstaltung in der Lage, in technischen Systemen die physikalischen Grundprinzipien zu erkennen. Sie können in physikalischen Modellen denken und physikalische Methoden auf technische Problemstellungen anwenden.

Inhaltichen Schwerpunkte: Mechanik, Schwingungen/Wellen, Optik, Atom- und Kernphysik

Moodle-Kurs SoSe 2024

Zielgruppe: Die Veranstaltung richtet sich an Studierende im Bachelor Nachhaltige Entwicklung (1.+2. Fachsemester).

Ziele der Veranstaltung: Die Studierenden erlangen einen Überblick über die grundlegenden physikalischen
Zusammenhänge zunächst in der Mechanik (PM 1), später in diversen vertiefenden Teilbereichen der Physik (PM 2). Sie erlernen mathematische Methoden und Rechenregeln aus der Analysis und linearen Algebra, mit deren Hilfe sie physikalische Problemstellungen berechnen können. Die behandelten Themen sind so zusammengestellt, dass sie einen großen Anwendungsbezug zur Nachhaltigkeit haben (z. B. Energieerhaltung und -verlust, Lärm, Radioaktivität, Wärmeleitung und -dämmung).

Inhaltliche Schwerpunkte: Mechanik, Grundlagen der Elektrotechnik, Wellenlehre, Atom- und Kernphysik, Strömungslehre, Wärmelehre; Grundlagen der Analysis und linearen Algebra

Moodle-Kurs PM1 2024/25

Moodle-Kurs PM2 2024

Zielgruppe: Die Veranstaltung ist ein Wahlpflichtfach für Studierende im Bachelor Informatik, Bachelor Elektrotechnik und Bachelor Wirtschaftsinformatik.

Ziele der Veranstaltung: Die Studierenden haben einen Überblick über verschiedene bildgebende Verfahren in der Medizin, ihre Anwendungsmöglichkeiten und die potentiellen gesundheitlichen Risiken. Sie sind mit den Kontrastmechanismen und den physikalisch-technischen Grundlagen der Bildentstehung im
Bereich der Röntgentechnik, der Nuklearmedizin und der Magnetresonanzverfahren vertraut. Sie
verfügen über Kenntnisse über typische Bildartefakte und ihre Entstehung. Die Studierenden haben ein Verständnis von den gängigen Techniken der tomographischen Bildrekonstruktion und verfügen über grundlegende Kenntnisse über die Speicherung von Bildinformationen, den in der Medizin üblichen DICOM-Standard und die verschiedenen Kriterien zur Bewertung der Bildqualität.
Die Teilnehmerinnen und Teilnehmer beherrschen die Grundlagen der digitalen Bildverarbeitung und
Bildanalyse und erhalten einen Überblick über verschiedene Möglichkeiten der Darstellung von
dreidimensionalen Bildinformationen. Sie sind in der Lage, konkrete Problemstellungen der
medizinischen Bildgebung zu erfassen und fachlich einzuordnen und können die theoretischen
Grundlagen anhand von Übungsaufgaben in die Praxis überführen. Auch Teilnehmer:innen ohne
einschlägige Vorkenntnisse beherrschen grundlegende Verarbeitungsschritte in Matlab.

Moodle-Kurs 2024/25

Zielgruppe: Die Veranstaltung wird sich voraussichtlich ab dem WiSe 2027/28 an Studierende im Bachelor Informatik (3. Fachsemester) richten und kann zudem von Studierenden im Bachelor Elektrotechnik als Wahlfach gewählt werden.

Ziele der Veranstaltung: <in Bearbeitung>

Zielgruppe: Die Veranstaltung wird sich voraussichtlich ab dem SoSe 2028 an Studierende im Bachelor Informatik (4. Fachsemester) richten.

Ziele der Veranstaltung: <in Bearbeitung>

Ich betreue Abschluss- und Projektarbeiten, die sich grob den Schwerpunkten Data Science (von der konventionellen Statistik bis zum Machine Learning), Physik, Medizintechnik und/oder Bildverarbeitung zuordnen lassen. Inhaltlich geht es oft um interdisziplinäre Fragestellungen aus der Medizin, der Biologie oder der Umweltanalytik – ich lerne jedoch gerne dazu und gehe bei der Themenfindung auf Ihre persönlichen Interessen und Wünsche ein.

Sie haben Interesse daran, Ihre Abschluss- oder Projektarbeit von mir betreuen zu lassen? Dann sprechen Sie mich einfach an. In einem ersten unverbindlichen Gespräch können wir schnell herausfinden, ob und wie wir Ihre Vorstellungen geeignet umsetzen können. Dieses Angebot richtet sich an Studierende aller Fachrichtungen und ist unabhängig davon, ob Sie eine meiner Lehrveranstaltungen besucht haben.

Sie haben selbst keine konkreten Themenvorschläge? Das macht nichts. Hin und wieder ergeben sich geeignete Themen aus meinen Kooperationen, z. B. mit den folgenden Partnern:

• Institut für Umwelt & Energie, Technik & Analytik (IUTA) in Duisburg
• Institut für künstliche Intelligenz in der Medizin (IKIM) in Essen

2025

• Simulationsansatz zur Prognose des Flexibilitätsbedarfs in Wasserstoff-Pipeline-Systemen unter der Berücksichtigung von volatiler Erzeugung und träger Speichersysteme (Bachelorarbeit)
• Multivariate Analyse der zeitlichen Veränderungen chemischer Fingerabdrücke in Abwässern (Bachelorarbeit)
• Analyse und Entwicklung eines Systems zur Visualisierung von Mitarbeitendengesprächsdaten (Bachelorarbeit)
• Erarbeitung und Implemetierung einer KI-basierten Suchmethode zur Ablösung traditioneller String-Matching-Ansätze (Bachelorarbeit)
• Technische Umsetzung eines Testverfahrens zum Messen der Latenz visueller Stimuli in einem psychophysikalischen Messsystem (Bachelorarbeit)

2024

• Automatisierte Generierung von Business Intelligence Visualisierungen im Gesundheitswesen durch natürliche Sprachverarbeitung und LLM-unterstützte SQL-Interpretation (Bachelorarbeit)

2021

• Deep learning-based segmentation of lung tumors on computed tomography-data by the use of Generative Adversarial Networks (Masterarbeit)
• Establishing a central monitoring system for multiple Kubernetes-based environments – A feasibility assessment (Bachelorarbeit)

2020

• Prädiktion der Eintrittswahrscheinlichkeit zerebrovaskulärer Erkrankungen am Beispiel von Apoplexie durch Einsatz von Machine Learning (Bachelorarbeit)
• Imputation fehlender Werte in Krebsregisterdaten – Ein Vergleich zwischen Multipler Imputation und Klassifikation mittels künstlicher neuronaler Netze (Bachelorarbeit)

2019

• Anwendung von regionenbasierten Convolutional Neural Networks auf medizinische Bilddaten: Entwicklung eines Assistenzsystems für die Diagnose von Pneumonien in Röntgenbildern (Masterarbeit)
• Anwendung von künstlichen neuronalen Netzen auf medizinische Bilddaten: Verbesserung der Genauigkeit durch ärztliches Feedback in einem Diagnose-Assistenzsystem (Masterarbeit)
• Entwicklung eines Informationssystems für Bakterienkulturen mit inhaltsbasierter Bildersuche (Bachelorarbeit)

Akademischer Werdegang

• Abitur am Städt. Röntgen-Gymnasium Remscheid-Lennep; Leistungskurse: Physik und Mathematik
• Studium der Physik an der Universität Münster; Schwerpunkte: Elementarteilchenphysik, Geophysik
• Promotionsstudium und Promotion am Institut für Epidemiologie und Sozialmedizin der Universität Münster; Schwerpunkte: medizinische Bildverarbeitung insb. für Kernspinresonanzverfahren, Auswertemethoden für medizinische Bilddaten in epidemiologischen Studien (Population Imaging)
• Studium der Medizinischen Physik und Technik an der TU Kaiserslautern; Schwerpunkte: Bildgebende Verfahren, Strahlentherapie

Berufliche Stationen

• 2007–2011: Übungsgruppenleiterin am Institut für Theoretische Physik, am Physikalischen Institut und am Institut für Mathematik der Universität Münster
• 2011–2022: Dozentin für Physik, Mathematik und Numerik an der FOM Hochschule für Oekonomie & Management, Essen
• 2012–2018: Wissenschaftliche Mitarbeiterin am Institut für Epidemiologie und Sozialmedizin der Universität Münster
• 2018–2022: NRW-Förderprogramm “Karrierewege FH-Professur”: Wissenschaftliche Mitarbeiterin am Institut für Energie- und Umwelttechnik, Duisburg sowie an der Hochschule Bochum
• 2022–2024: Vertretungsprofessorin für Physik und Grundlagen der Elektrotechnik und Informatik an der Hochschule Bochum
• seit 2024: Professorin für Data Science an der Hochschule Bochum

TBA