Entdecken Sie mein forschungsorientiertes Portfolio
Alle Projekte ansehen →Serhan Narlı
Research Scientist und Doktorand an der Charité – Universitätsmedizin Berlin
Ich entwickle Computer-Vision- und Machine-Learning-Systeme für biomechanische Analysen. Im Projekt OrthoPose arbeite ich an patientenspezifischer 3D-Kinematik von Becken, Hüfte und Knie aus monokularen Videos. Weitere Schwerpunkte sind tierische Ganganalyse, klinische Bewegungsbewertung und produktionsreife KI-Pipelines.
Über mich
Ich bin Research Scientist und Doktorand an der Charité – Universitätsmedizin Berlin. Meine Arbeit verbindet Computer Vision, Machine Learning und Biomechanik, um klinisch relevante Bewegungsinformationen aus Videos abzuleiten.
Im Projekt OrthoPose untersuche ich patientenspezifische dreidimensionale Becken-, Hüft- und Kniekinematik aus monokularen Aufnahmen. Die Methodik kombiniert videobasierte Bewegung, anthropometrische Informationen, anatomische Randbedingungen und klinische Motion-Capture-Referenzdaten.
Meine weitere Erfahrung umfasst tierische Ganganalyse, medizinische Bildgebung, Signalverarbeitung, Edge AI und die Überführung von Forschungsprototypen in zuverlässige Softwaresysteme.
Forschung und Publikationen
Meine Forschung konzentriert sich auf videobasierte Bewegungsanalyse, interpretierbare biomechanische Merkmale und klinisch relevante Validierung.
Eine Computer-Vision-Pipeline zur Analyse der Rückenform von Rindern. Krümmungsbasierte Merkmale werden extrahiert, um unauffällige und lahme Tiere im Vergleich zu menschlichen Locomotion-Scores zu unterscheiden.
Publikationslink folgtEine Validierungsstudie, die Deep-Learning-basierte Ganganalyse mit mehreren menschlichen Beurteilenden vergleicht und untersucht, unter welchen Bedingungen automatisierte Scores eine vergleichbare oder höhere Konsistenz erreichen.
Publikationslink folgtEin CNN-basierter Ansatz zur Erkennung von COVID-19 in aufbereiteten Thorax-Röntgenaufnahmen mit spezifischer Vorverarbeitung und unterschiedlichen Modellarchitekturen.
Publikationslink folgtAusgewählte Projekte
Forschungsprototypen und angewandte KI-Systeme an der Schnittstelle zwischen Methodik und realer Anwendung.
Eine webbasierte Plattform, die Laufvideos analysiert, anatomische Keypoints erkennt, Krümmungs- und Gangmerkmale berechnet und lahmheitsbezogene Muster bewertet.
Eine praxistaugliche NVIDIA-Jetson-Pipeline mit Kameraerfassung, GStreamer, Objekterkennung und Qualitätskontrolle für die Ganganalyse in Echtzeit.
Eine dialogorientierte KI-Plattform mit Retrieval-Augmented Generation, Prompt Engineering und klaren Persona-Regeln für historisch fundierte Gespräche.
Eine Deep-Learning-Pipeline zur Erkennung von COVID-19 in optimierten Thorax-Röntgenaufnahmen mit spezifischer Vorverarbeitung und CNN-Architekturen.
Beiträge und Essays
Artikel über Neurowissenschaften, künstliche Intelligenz und das Verhältnis von Technologie und Gesellschaft.
Ein ausführlicher Beitrag über die Entwicklung des EEG von frühen elektrophysiologischen Experimenten bis zu quantitativer Analyse und Brain-Computer-Interfaces.
Auf Medium lesen →Eine verständliche Betrachtung von Lernen, Perzeptronen, neuronalen Netzen und der Rolle von Fehlern aus technischer und philosophischer Perspektive.
Auf Medium lesen →Eine kritische Einordnung dessen, was moderne Gehirn-Maschine-Schnittstellen realistisch leisten können und wo öffentliche Erwartungen den aktuellen Stand übersteigen.
Auf Medium lesen →Ein Beitrag zu EEG-Aufzeichnung, Signalverarbeitung und Deep-Learning-Methoden auf Grundlage eines Erasmus-Forschungsprojekts zur Emotionserkennung.
Auf Medium lesen →Berufserfahrung
Research Scientist
Charité – Universitätsmedizin Berlin
Mitarbeit am Forschungsprojekt OrthoPose zur patientenspezifischen 3D-Kinematik von Becken, Hüfte und Knie aus monokularen Videos. Entwicklung von Computer-Vision- und anatomisch beschränkten Machine-Learning-Verfahren, die Video, Anthropometrie und klinische Motion-Capture-Referenzdaten verbinden.
AI/ML Engineer
MCG Motion Capture GmbH, Berlin
Entwicklung produktionsreifer Computer-Vision-Funktionen, Jetson-basierter Pilotlösungen und KI-Integrationen für kommerzielle Motion-Capture-Produkte.
Praktikant im Bereich Signalverarbeitung
StepUp Air Solutions, Kopenhagen
Entwicklung von Signalverarbeitungs-Pipelines für tragbare Atemsensoren und Anwendungen zur Echtzeitüberwachung.
Forschungspraktikant
Technische Universität Breslau
Arbeit an Prototypen in den Bereichen Computer Vision und autonome Systeme im Rahmen internationaler Forschungskooperationen.
Ausbildung
Charité – Universitätsmedizin Berlin
Deep Learning für biomechanische Analysen und die Früherkennung von Lahmheit durch videobasierte Ganganalyse und klinische Validierung.
Technische Universität İskenderun
Masterarbeit zu Deep Learning in der medizinischen Bildanalyse und biomedizinischen Signalverarbeitung.
Technische Universität İskenderun
Entwicklung eines EEG-gesteuerten sechsachsigen Roboterarms und verschiedener Embedded-Systems-Projekte.