Ludwig Maximilians Universität München
Institut für Informatik
Lehr- und Forschungseinheit für Datenbanksysteme




 



 
Portrait
Prof. Dr. Christian Böhm
Telefon:
0700/2472 6346 (12 ct/min)
Fax:
0700/2472 6346 (12 ct/min)
eMail:
boehm -- at -- informatik.uni-muenchen.de
Anschrift:
Oettingenstr. 67, 80538 München
Zimmer:
1.58

Hinweis für mündliche Prüfungen:

Leider ist die Nachfrage nach mündlichen Prüfungen in diesem Semester besonders hoch (mit ca. 200). Ich versuche, so weit dies möglich ist, allen Interessenten einen Prüfungstermin anzubieten, kann aber mit meiner Terminvergabe leider nicht besonders flexibel auf die Wünsche der Studierenden eingehen (ich bitte um Verständnis).
Für die Vereinbarung eines Prüfungstermins kommen Sie bitte grundsätzlich in meine Sprechstunde. Die Termine finden Sie hier.

Forschungspreise:

  • Best Paper Award des BioDM-Workshops auf der ICDM 2010.

    Ein interdisziplinäres Team mit Wissenschaftlern von der Ludwig-Maximilians-Universität München, dem Helmholtz-Zentrum München und dem Klinikum Rechts der Isar der Technischen Universität München ist mit dem "Best Paper Award" auf einem bedeutenden internationalen wissenschaftlichen Workshop ausgezeichnet worden.

    Die Autoren, Junming Shao, Klaus Hahn, Qinli Yang, Christian Böhm, Afra Wohlschläger, Nicholas Myers und Claudia Plant beschätigen sich in ihrem preisgekrönten Beitrag mit dem Thema "Fiber Clustering", d.h. dem Auffinden wichtiger Nervenbündel im Gehirn, die gewissermaßen die größten Datenautobahnen zur Verbindung der unterschiedlichen Verarbeitungszentren im Gehirn repräsentieren. Ihre Datenanalysetechnik verarbeitet Kernspin-Tomographie-Daten (DTI Diffusions Tensor Imaging) und findet Anwendungen in der Grundlagenforschung zur Funktionsweise des Gehirns sowie in der Tumor-Diagnostik und Operationsplanung. Das Team ist u.a. mit Informatikern, Ärzten und Physikern aus drei verschiedenen Nationen interdisziplinär und international besetzt.

    Der internationale Workshop "Biological Data Mining and its Applications in Healthcare" (BioDM2010), findet am 14.12.2010 in Sydney, Australien, statt und beschäftigt sich mit Verfahren zum automatischen Auffinden bislang unbekannten Wissens in großen Datenmengen aus Medizin und Biologie. Der Beitrag der Münchner Forscher wurde von einem mit internationalen Top-Wissenschaftlern besetzten Gutachter-Gremium als bester aus mehr als 50 Einreichungen ausgewählt.

  • Best Paper Honorable Mention Award der SIAM Data Mining Conference (SDM 2008).

    Die Informatik an der Ludwig Maximilians Universität München ist für ihre Forschungsleistung im Bereich "Data Mining" mit einem renommierten internationalen Preis ausgezeichnet worden. Die fünf Forscher von der Lehr- und Forschungseinheit für Datenbanksysteme, Elke Achtert, Christian Böhm, Jörn David, Peer Kröger und Arthur Zimek, haben am 26. April 2008 in Atlanta (USA) den "Best Paper Honorable Mention Award" des internationalen Data-Mining Kongresses der Society for Industrial and Applied Mathematics entgegengenommen. Ihr Beitrag "Robust Clustering in Arbitrarily Oriented Subspaces" wurde von einem 140-köpfigen Komitee aus über 300 Einreichungen ausgewählt. Der Preis wurde bislang achtmal verliehen und geht dieses Jahr erstmals nach Deutschland. Die an der LMU entwickelte Datenanalyse-Technik des so genannten "Correlation Clustering" ("Gruppierung nach Abhängigkeit") dient dazu, in großen Datenbanken Objekte zu gruppieren, deren Merkmale ein einheitliches Regulierungsverhalten (mathematisch ausgedrückt: einheitliche Korrelationen) aufweisen. Mehr dazu hier.

  • Best Paper Award der ACM SIGMOD International Conference (SIGMOD 1997).

    Für den Beitrag "Fast Parallel Similarity Search in Multimedia Databases" erhalten Stefan Berchtold, Christian Böhm, Bernhard Braunmüller, Daniel Keim und Hans-Peter Kriegel den Best Paper Award der ACM SIGMOD Conference. Der Beitrag wurde aus ca. 400 eingereichten Arbeiten ausgewählt. Mehr dazu hier.


Forschungsinteressen:

Wir beschäftigen uns mit Applikationen der Ähnlichkeitssuche und der Datenanalyse in großen Datenbanken (Data Mining) mit dem Ziel, genetische, molekularbiologische, bildgebende und weitere medizinische Diagnoseverfahren zu unterstützen. Folgende Technologien werden hierbei entwickelt und eingesetzt:
  • Similarity Search
  • Density Based Clustering
  • Functional Classification
  • Subspace Clustering
  • Correlation Clustering

Projekt 1: Correlation Clustering

Data Mining Methoden dienen dazu, in umfangreichen Datenbanken Muster, Regelmäßigkeiten, Klassifikationsregeln usw. zu ermitteln. Ein Clustering-Verfahren ermittelt Teilmengen von Objekten, die untereinander eine sehr starke Ähnlichkeit aufweisen. Für zahlreiche Anwendungen ist es aber wichtig, nicht nur auf der Basis von Ähnlichkeit zu gruppieren, sondern bei der Gruppierung zusätzlich Attribut-Abhängigkeiten (Korrelationen) zu berücksichtigen. Mit dem Correlation Clustering entwickeln wir eine neuartige Methode, Gruppen von Objekten in einer Datenbank zu ermitteln, die einheitliche Attribut-Korrelationen aufweisen. Einheitliche Attributkorrelationen weisen darauf hin, dass diese Objekte einer gemeinsamen Klasse von Objekten mit einheitlichen Eigenschaften angehören.

Projekt 2: Klassifikation in Metabolischen Daten

In diesem Projekt wird ein Klassifikationsmodell für an Phenylketonurie (PKU) erkrankte Neugeborene entwickelt, wobei ausschließlich Parameter eines massenspektroskopisch ermittelten Metaboliten-Pathways (Aminosäuren) in das Modell einfließen. Zwecks weiterer Optimierung des Modells wurden Verfahren zur Dimensionsreduktion, wie z.B. die Faktorenanalyse, angewandt. Im Vergleich zu einem „golden standard“ Datensatz zeigte das entwickelte Modell eine Sensitivität und Spezifität größer als 99%.

Projektpartner: BIOCRATES Life Sciences GmbH, Innsbruck



Bei Problemen oder Vorschlägen wenden Sie sich bitte an: wwwmaster@dbs.informatik.uni-muenchen.de
Last Modified: