Das Projekt „DeepSpoMed – Neuartige Auswertung von Thermografiekameradaten mittels neuronaler Netze“ ist Teil des Kooperationsprojektes „Innovative sportmedizinische Leistungsdiagnostik, basierend auf einer neuartigen Auswertung von Thermografiekameradaten mittels neuronaler Netze – InnoSpoMed“.

Das Projekt ist eine Zusammenarbeit von

Geheimnisvolle Muster – Infrarot-Thermografie für die sportmedizinische Leistungsdiagnostik – Videointerview @ MEDICA

Das Projekt wird durch das Bundesministerium für Wirtschaft und Energie (BMWi) im Rahmen des Förderprogramms „Zentrale Innovation Mittelstand“ (ZIM) gefördert.

Inneruniversitäre Forschungsförderung Stufe I – Johannes Gutenberg-Universität Mainz.

Fokus: Anpassung der Methodik an Fahrradbelastungstests mit Hilfe der Vorarbeiten.

Inneruniversitäre Forschungsförderung Stufe I – Johannes Gutenberg-Universität Mainz.

Fokus: Automatisches Datenlabeling mit Hilfe von einem multimodalen Stereosystem.

Bundesministerium für Wirtschaft und Energie (BMWi) („Zentrale Innovation Mittelstand“, ZF4211603GR9) 

Fokus: Entwicklung einer Thermogram-Verarbeitungspipeline und Erstellung von KI-Modellen zur Erkennung von Körperteilen und Blutgefäßstrukturen.

Inneruniversitäre Forschungsförderung Stufe I – Johannes Gutenberg-Universität Mainz.

Fokus: Evaluation vorhandener Computer Vision Methoden und Proof of Concept für die Erkennung von Blutgefäßstrukturen in Thermogrammen.

2025

Andrés López, D., Weber, V., Zentgraf, S., et al. (2025). ThermoCycleNet: Stereo-based Thermogram Labeling for Model Transition to Cycling. In Zenodo; Arxiv. DOI Author/Publisher URL
Andrés López, D., Weber, V., Zentgraf, S., et al. (2025). Presentation | ThermoCycleNet: Stereo-based Thermogram Labeling for Model Transition to Cycling. In A. Catalá, G. Joya, und I. Rojas (Hrsg.), Book of Abstracts (S. 24-24). Author/Publisher URL

2024

Lopez, D. A., Hillen, B., Naegele, M., et al. (2024). ThermoNet: advanced deep neural network-based thermogram processing pipeline for automatic time series analysis of specific skin areas in moving legs. JOURNAL OF THERMAL ANALYSIS AND CALORIMETRY, 149(19), 11337-11348. DOI Author/Publisher URL
Lopez, D. A., Hillen, B., Naegele, M., et al. (2024). StereoThermoLegs: label propagation with multimodal stereo cameras for automated annotation of posterior legs during running at different velocities. JOURNAL OF THERMAL ANALYSIS AND CALORIMETRY. Published. DOI Author/Publisher URL
Andrés López, D., Hillen, B., Naegele, M., et al. (2024). StereoThermoLegs Dataset. DOI
Andrés López, D. (2024). ThermoNet: deep neural network thermogram analysis of human calves during physical exercise [PhD Thesis]. DOI Author/Publisher URL

2023

Hillen, B., Zentgraf, S., Weber, V., et al. (2023, Juli 7). Poster | Deep neural network-driven time series analysis of posterior legs surface radiation during cardiopulmonary exercise testing and associations with core temperature and internal load. 28th Annual Congress of the European College of Sport Science (ECSS), Paris.
Hillen, B., Lopez, D. A., Marzano-Felisatti, J. M., et al. (2023). Acute physiological responses to a pyramidal exercise protocol and the associations with skin temperature variation in different body areas. JOURNAL OF THERMAL BIOLOGY, 115. DOI Author/Publisher URL
Hillen, B., Andrés López, D., Marzano Felisatti, J. M., et al. (2023, Juni 27). Poster | Skin thermal radiation variation during a pyramidal load cycling protocol and the association with individual load and thermoregulation. Sports, Medicine and Health Summit, CCH Hamburg.
Andrés López, D., Hillen, B., Simon, P., Schömer, E. (2023). Presentation | Improved deep neural network-driven automatic segmentation of skin’s thermal radiation in moving posterior legs during cardiopulmonary exercise testing for time series data analysis (A. Kiadó, Hrsg.).
Hillen, B., Lopez, D. A., Pfirrmann, D., et al. (2023). An exploratory, intra- and interindividual comparison of the deep neural network automatically measured calf surface radiation temperature during cardiopulmonary running and cycling exercise testing: A preliminary study. JOURNAL OF THERMAL BIOLOGY, 113. DOI Author/Publisher URL

2022

Hillen, B., Lopez, D. A., Schömer, E., et al. (2022). Towards Exercise Radiomics: Deep Neural Network-Based Automatic Analysis of Thermal Images Captured During Exercise. IEEE Journal of Biomedical and Health Informatics, 1-11. DOI

2020

Andrés López, D., Hillen, B., Simon, P., und Schömer, E. (2020). Presentation | Deep learning based segmentation of uncovered body parts in thermal images during dynamic exercise. Book of Abstracts, 24-25. Author/Publisher URL
Andrés López, D., Hillen, B., Simon, P., und Schömer, E. (2020). Presentation | Thermonet: Automatic Segmentation of Blood Vessel Patterns detected by Infrared Thermography during dynamic Exercise (F. Dela, E. Müller, und E. Tsolakidis, Hrsg.; Nummer Book of Abstracts, S. 127-127). Author/Publisher URL