Hallo liebe Jungforscherin, lieber Jungforscher!
herzlich willkommen auf den Seiten der Jungen Wissenschaft, der JuWi.
Wir bleiben beim „du“ und hoffen, dass du damit einverstanden bist.
Hier auf der Startseite siehst du die aktuellen Veröffentlichungen junger Forscher*innen in unserer Reihe. Im Archiv, das du über das Menü (beim Handy oben links) erreichst, findest du weitere Papers.
Wir freuen uns über neue Themen und falls du gerade an einem MINT-Wettbewerb teilnimmst, teilgenommen hast oder teilnehmen wirst, schau dir doch die Seite "Für Autor*innen" an. Vielleicht bekommst du Lust aufs Mitmachen.
Wir freuen uns auf Dich!
Using knee-trained Deep Neural Networks for Brain MRIs
Shizhe He (*2004) | TUMKolleg, München | 01/2024
Understanding Domain Shift in Learned Magnetic Resonance Imaging (MRI) Reconstruction: A Quantitative Analysis on fastMRI Knee and Neuro Sequences
We investigate the problem of domain shift in the context of state-of-the-art MRI reconstruction networks with respect to variations in training data. We provide visualization tools and support our findings with statistical analysis for the networks evaluated on the 1.5 T/ 3 T fastMRI knee/neuro data. We observe that the signal-to-noise ratio of the examined sequences plays an essential role, and we statistically prove the hypothesis that both the type and amount of training data are less important for low acceleration factors.
Mutationen des SARS-CoV2 Virus auf der Spur
Lara Hombrecher (*2004) | Geschwister-Scholl-Gymnasium, Lebach | 09/2023
Visualisierung der Ähnlichkeit zwischen Sequenzen des Spike-Proteins aus benachbarten Ländern mithilfe der 3D-Struktur
Die Arbeit beschäftigt sich mit der Varianz der Virussequenz des Coronavirus anhand des Spike-Proteins in Deutschland und Frankreich. Dazu wurden die beiden Konservierungswerte der beiden Sequenzen verglichen und grafisch dargestellt. Es ließ sich feststellen, dass die Varianz der Sequenzen in beiden Ländern ähnlich hoch ist, ähnliche Stellen gut konserviert und somit für das Virus essentiell sind.
Steuerung per Lidschluss
Alexander Reimer (*2006), Matteo Friedrich (*2007) | Gymnasium Eversten, Oldenburg | 08/2023
Erkennung ereigniskorrelierter Potenziale eines Elektroenzephalogramms durch ein neuronales Netz
Wenn man ein Augenlid schließt, erzeugt dies eine bestimmte elektrische Aktivität des Gehirns. die mit einem Elektroenzephalographen (EEG) gemessen werden kann. Die so erhaltenen Daten werden mithilfe eines neuronalen Netzes ausgewertet, So kann der Lidschluß anhand der EEG-Daten erkannt und genutzt werden, um einen Roboter fahren und anhalten zu lassen.
Bildgebende Nanoteilchen
Aruna Sherma (*2001) | Stadtteilschule Walddörfer, Hamburg | 07/2023
Neuartig funktionalisierte SPIONs in einer Polymer-Matrix als alternatives MRT-Kontrastmittel
Das bei MRT-Untersuchungen verwendete Gadoliniumhaltige Kontrastmittel lagert sich im zentralen Nervensystem und Gewebe ab und erhöht so das Risiko für eine nephrogene systemische Fibrose. In dieser Arbeit wurde ein alternatives Kontrastmittel auf Basis von Nanopartikeln (SPIONs) mit einer Cross-linked-Polymer-Matrix hergestellt und spektroskopisch untersucht. Die Ergebnisse zeigen, dass es die Anforderungen erfüllt und teilweise sogar bessere Werte aufweist.
Als SchülerIn wissenschaftlich publizieren
Sabine Siems (*1965) | PTB, Braunschweig
Wie aus deiner Wettbewerbsarbeit eine zitierfähige Open-Access-Veröffentlichung wird
In der Regel beginnt das studentische Leben nach der Einschreibung. Den universitären Alltag und die wissenschaftliche Praxis lernen Studierende dann Step by Step. Doch einen entscheidenden Schritt können erfolgreiche Jugend-forscht-TeilnehmerInnen und selbstständig forschende SchülerInnen schon vorher gehen: eine erste zitierfähige wissenschaftliche Arbeit veröffentlichen. Diesen Vorteil verschaffst du dir, indem du einfach deinen Wettbewerbsbeitrag noch einmal bei der Jungen Wissenschaft einreichst. Kostenlos für Dich, dank der Förderung durch die Physikalisch-Technische Bundesanstalt (PTB).
Hol Dir die App im Google-Playstore oder bei Apple!