Mjellma Citaku M.Sc.

Wissenschaftliche Mitarbeiterin

Akademischer Kurzlebenslauf

10/2018 - 09.2021: Computational Sciences in Engineering (M.Sc.), Technische Universität Braunschweig
Titel der Masterarbeit: "Gelernte Videokompression mit tiefen neuronalen Netzwerken"

04/2015 - 10/2018: Elektrotechnik (B.Sc), Technische Universität Braunschweig
Titel der Bachelorarbeit: "Investigation on the superposition of bearing errors due to multipath mmnpropagation of the VHF omnidirectional mmnradio range (VOR)"

Lehre

Lehrveranstaltungen

• Unterschtützung der Vorlesung: Aritificial Intelligence in Games
• Betreuung von Seminararbeiten
  
  

Betreute Abschlussarbeiten

• Betreuung von Bachelor- und Masterarbeiten im Bereich Serious Games sowie im Einsatz von maschinellem Lernen / Deep Learning für medizinische Bilddaten
  
  

Forschung

Forschungsschwerpunkte

• Untersuchung von Machine-Learning-Algorithmen zur Stresserkennung auf Basis biophysiologischer Signale, insbesondere von Blutvolumenpulssignalen (BVP)
• Analyse und Vergleich verschiedener Modellarchitekturen bei limitierten Datensätzen
• Erzeugung und Evaluation synthetischer BVP-Daten mittels generativer Verfahren
  
  

Projekte

• dtec.bw Smart Health Lab (SHL):   https://dtecbw.de/home/forschung/unibw-m/projekt-smart-health-lab/projekt-smart-health-lab
• KOIOS: 
  EDF Projekt: "Frugal Learning for rapid adaptation of AI systems"
  
  

Publikationen

Paper:

M. Çitaku, L. Zott, S. Meyer-Nieberg, C. Küsel and M. Hofmann, "Images of Stress: Investigating Image Encodings and Transfer Learning for Stress Detection," 2025 IEEE Symposium on Computational Intelligence in Health and Medicine (CIHM), Trondheim, Norway, 2025, pp. 1-7, doi: 10.1109/CIHM64979.2025.10969476.

Geise, Robert, Oliver Kerfin, and Mjellma Citaku. "On the superposition of error contributions." AIP Conference Proceedings. Vol. 2116. No. 1. AIP Publishing LLC, 2019.

Poster:

M. Çitaku, L. Zott, S. Meyer-Nieberg, C. Küsel and M. Hofmann, "Investigating Deep Learning for Online Stress Detection in Virtual Reality Experiments" HexKoP 2023 Hildesheim