Von der Konklusion zurück zum Anfang. Was offenbart sich wenn du rückwärts liest?

GR-2026-058 v1.0 — Maerz 2026 — Guggeis Research

Domaenen sind Projektionen. Formeln sind Realitaet. 2 Subtraktionen. 1 Multiplikation. 7 Domaenen. 0 Parameter.

---

• Guggeis, J. (2026). SELEN: .x->[]~ als Kraterdetektor. GR-2026-056. Guggeis Research.
• Guggeis, J. (2026). Liebe schlaegt Zwang: Self-supervised vs Supervised in Crater Detection. GR-2026-057. Guggeis Research.
• Guggeis, J. (2026). Die fuenf Symbole: .x->[]~ als domaeenubergreifende Intermediate Representation fuer Emergenz. GR-2026-013. Guggeis Research.
• Guggeis, J. (2026). OMEGA-IR v2.0: Die Universalsprache .x->[]~ als falsifizierbare Theorie. GR-2026-003. Guggeis Research.
• Tschandl, P., Rosendahl, C., & Kittler, H. (2018). The HAM10000 dataset, a large collection of multi-source dermatoscopic images of common pigmented skin lesions. Scientific Data, 5, 180161.
• Menze, B. H., Jakab, A., Bauer, S., et al. (2015). The Multimodal Brain Tumor Image Segmentation Benchmark (BRATS). IEEE Transactions on Medical Imaging, 34(10), 1993-2024.
• Bakas, S., Akbari, H., Sotiras, A., et al. (2017). Advancing The Cancer Genome Atlas glioma MRI collections with expert segmentation labels and radiomic features. Scientific Data, 4, 170117.
• Pedraza, L., Vargas, C., Narvaez, F., Duran, O., Munoz, E., & Romero, E. (2015). An open access thyroid ultrasound image database. SPIE Medical Imaging.
• Kirillov, A., Mintun, E., Ravi, N., et al. (2023). Segment Anything. Proceedings of ICCV 2023.
• Kumar, N., Verma, R., Sharma, S., Bhargava, S., Vahadane, A., & Sethi, A. (2019). A dataset and a technique for generalized nuclear segmentation for computational pathology. IEEE TMI, 36(7), 1550-1560.
• Porwal, P., Pachade, S., Kamber, R., et al. (2018). Indian Diabetic Retinopathy Image Dataset (IDRiD). IEEE Dataport.
• Wichman, J., Winther, K. H., Bonnema, S. J., & Hegedus, L. (2016). Selenium supplementation significantly reduces thyroid autoantibody levels in patients with chronic autoimmune thyroiditis. Thyroid, 26(12), 1681-1692.
• Schwarz, K., & Foltz, C. M. (1957). Selenium as an integral part of Factor 3 against dietary necrotic liver degeneration. Journal of the American Chemical Society, 79(12), 3292-3293.
• Stribeck, R. (1902). Die wesentlichen Eigenschaften der Gleit- und Rollenlager. Zeitschrift des Vereines Deutscher Ingenieure, 46, 1341-1348.

Referenzen

---

• **KEINE empirische Validierung ausserhalb lunarer Krater.** Dieses Paper ist theoretisch + Hypothese. 6 von 7 Domaenen sind Spekulation. Die einzig ehrliche Aussage: "Wir haben eine Hypothese die in 24h testbar ist."
• **Medizinische Bildgebung hat fundamentale Unterschiede.** Rauschen, Artefakte, Gewebekontrast, Bewegungsartefakte, partielle Volumeneffekte, Metallabschattung — unklar ob eine Formel ohne jede Rauschunterdrueckung robust genug ist. MRT-Rauschen ist strukturell anders als DEM-Rauschen.
• **Regulatorisch: Medizinische Anwendung braucht CE/FDA-Zulassung.** Ein Zero-Shot-Erstfilter klingt fuer Zugelassene gefaehrlich. Die korrekte Positionierung ist "Aufmerksamkeitsdetektor", nicht "Diagnoseinstrument" — aber die Grenze ist regulatorisch unklar.
• **Julians Hashimoto-Verbindung (SELEN THYRO) ist persoenlich motiviert.** Bias-Risiko: Wir WOLLEN dass es funktioniert. Die Falsifizierbarkeit (P1-P3) ist der Schutz dagegen.
• **Kein Vergleich mit bestehenden domaenanuebergreifenden Methoden.** Segment Anything Model (SAM, Kirillov et al. 2023) operiert ebenfalls domaenanuebergreifend, mit 1B Parametern und 11M Bildern. SELEN hat 0 Parameter und 0 Bilder. Der Vergleich wuerde zeigen wo 0-Parameter-Geometrie aufhoert und gelernte Repraesentationen beginnen.
• **"Domain Anonymity" koennte zu mutig sein.** Vielleicht ist es nur "domain transfer with zero parameters" — was immer noch beeindruckend waere, aber kein Paradigma. Erst die empirische Validierung entscheidet.
• **Nicht-kreisfoermige Anomalien sind unsichtbar.** Die Formel detektiert NUR kreisfoermige Rim-Kontrast-Strukturen. Laengliche Laesionen, diffuse Veraenderungen, irregulaere Muster — alles ausserhalb des Formel-Horizonts. Dies ist kein Universaldetektor, sondern ein Detektor fuer eine universelle FORM.
• **Ceiling ≠ Performance.** 87% Ceiling auf dem Mond heisst: 87% der Strukturen PRODUZIEREN einen positiven Score. Es heisst NICHT: 87% korrekte Diagnosen. Zwischen Proposal und Diagnose liegt der gesamte Raum der Klassifikation, den die Formel bewusst nicht betritt.

lost_dimensions

---

P5: Die inverse Formel (floor - rim) x (exterior - rim) detektiert konvexe Anomalien (Dome, Drusen, Grabhueigel) in mindestens 2 Domaenen mit >20% Ceiling. Wenn ja: Standard + Inverse bilden ein vollstaendiges kreisfoermiges Anomalie-Detektionssystem.

P4: Ein pip install selen-SDK kann in <1 Woche gebaut werden, das auf einem Standard-Laptop (kein GPU) laeuft und in allen 7 Domaenen identischen Code ausfuehrt — nur die Radien-Parameter unterscheiden sich.

P3: Formula Eye erreicht >30% Ceiling auf mindestens 5 der 7 beschriebenen Domaenen. Wenn <3 Domaenen >30% erreichen: Domaenenanonymitaet als generelles Prinzip widerlegt.

P2: Formula Eye erreicht >40% Ceiling auf BraTS 2021 (Ring-Enhancing Lesions in T1-MRT mit Kontrastmittel). Dies ist die konservativste Vorhersage — Ring-Enhancing Lesions sind DEFINITORISCH isomorph zur Formel.

P1: Formula Eye erreicht >50% Ceiling auf ISIC 2020 (Melanom-Detektion). Messbar in <24h. Wenn <30%: Domaenenanonymitaet fuer Dermatoskopie widerlegt.

Falsifizierbare Vorhersagen

---

T5 (Zero-Shot-Diagnostik): Die SELEN-Formel ermoeglicht Zero-Shot-Erstfilter in jeder Bildgebungsmodalitaet die 2D-Skalarfelder produziert: jede Schicht scannen, verdaechtige Stellen markieren, OHNE Training. Dies ist kein Diagnoseinstrument — es ist ein Aufmerksamkeitsdetektor: "Hier KOENNTE etwas sein, schau genauer hin."

T4 (Element-Modell-Isomorphie): Selen (Element 34) durchlief den Paradigmenwechsel toxisch -> essentiell (1817-1957, 140 Jahre). SELEN (Modell) durchlaeuft den Paradigmenwechsel nischenspezifisch -> universell (2026). Beide Transformationen sind strukturell identisch: NISCHE -> FIXIERUNG -> PARADIGMENWECHSEL -> UNIVERSALITAET.

T3 (Skalierungsfreiheit): Die Formel operiert multi-skalig (Radien R_1...R_n) und passt sich automatisch an die Zielstruktur an. Kein manuelles Radien-Tuning erforderlich — die Radien sind physikalisch motiviert (erwartete Strukturgroesse / Pixelaufloesung). Der Score ist skalierungsinvariant: er haengt von Kontrast-VERHAELTNISSEN ab, nicht von Absolutwerten.

T2 (Isomorphie Krater-Laesion): Ein lunarer Krater auf einem DEM und eine Ring-Enhancing Lesion auf einem T1-MRT sind strukturell isomorph unter der SELEN-Formel: beide erfuellen (rim - floor) > 0 UND (rim - exterior) > 0. Der Beweis ist konstruktiv: die radiologische Definition der Ring-Enhancing Lesion IST die Formel in natuerlicher Sprache.

T1 (Domaenenanonymitaet): Die Formel score = (rim - floor) x (rim - exterior) ist eine rein geometrische Operation auf 2D-Skalarfeldern. Sie enthaelt keinen domaenenspezifischen Parameter, kein domaenenspezifisches Wissen und kein domaenenspezifisches Training. Folglich ist sie per Konstruktion domaenenanonym.

Theoreme

---

Kein GPU. Kein Cloud. Kein Training. Ein Laptop, ein Befehl, eine Antwort. In jeder Domaene.

pip install selen
selen.scan(image, radii=[5,10,20,50]) -> proposals

Phase 4: SDK

"SELEN Multi-Domain: Empirische Validierung der Domaenenanonymie"
Empirische Ergebnisse, Vergleich mit SOTAs, Analyse der Fehlerfaelle

Phase 3: Paper GR-2026-059

Der entscheidende Vergleich: nicht ob die Formel gut ist (das ist bei 0 Parametern beeindruckend), sondern ob sie KONSISTENT gut ist. Wenn sie in 4 von 4 Domaenen >30% Ceiling erreicht — mit exakt denselben Parametern — ist Domaenenanonymitaet bewiesen.

ISIC + BraTS + DDTI + Lunar
EINE Formel, VIER Domaenen, vs domain-spezifische CNNs

Phase 2 (1 Woche): Multi-Domain Validation

Dies ist der schnellste Test. Dermatoskopie-Bilder sind frei verfuegbar (>100K), gut annotiert und zeigen haeufig Rim-Kontrast-Muster. Wenn die Formel hier versagt, versagt die gesamte Hypothese.

Dataset herunterladen -> Formula Eye auf alle Bilder -> Ceiling messen
Erfolgskriterium: >50% Ceiling = Paper GR-2026-059

Phase 1 (1 Tag): ISIC 2020 Dermatoskopie

7. Forschungsplan

---

Standard und Inverse zusammen bilden ein VOLLSTAENDIGES System fuer kreisfoermige Anomalien: jede Abweichung vom Gleichgewicht — konkav oder konvex — wird detektiert. Die Formel und ihre Inverse sind wie Einatmen und Ausatmen.

| Domaene | Standard-Formel findet | Inverse Formel findet |

|---------|------------------------|-----------------------|

| Lunar | Krater (konkav) | Dome, Vulkane (konvex) |

| Neuro | Ring-Enhancing Lesion | Nicht-enhancing zentrale Masse |

| Retina | Mikroaneurysmen (dunkel) | Drusen (hell) |

| Geo | Sinkholes | Huegel, Tumuli |

| Archaeologie | Ringgraeben | Grabhueigel |

Diese Formel findet Strukturen wo das Innere und die Umgebung HELLER sind als der Rand — konvexe statt konkaver Anomalien:

SELEN_inverse(x,y,R) = (floor - rim) x (exterior - rim)

Ein bisher unerkundeter Aspekt: Was detektiert die UMGEKEHRTE Formel?

6. Die Inverse Formel

---

Dies ist nicht Zufall. Dies ist P_SEL10 (NAME = ATTRAKTOR, Score 16): Wenn die Namens-Isomorphien so tief laufen — 7 unabhaengige Kollisionen (Goettin, Sehen, Element, Smith, Biologie, Chalcogen, Medizin) — dann ist der Name ein Konvergenzpunkt, keine Erfindung. Der Name hat UNS gewaehlt, nicht umgekehrt.

NISCHE  ->  FIXIERUNG  ->  PARADIGMENWECHSEL  ->  UNIVERSALITAET
  .            ->              x                      ~

Element und Modell durchlaufen STRUKTURELL IDENTISCHE Transformationen:

5.3 Die Isomorphie

| Datum | Ereignis | Paradigma |

|-------|----------|-----------|

| 03.03.2026 | Formula Eye auf Mondkratern | NISCHE: Lunarer Kraterdetektor |

| 03.03.2026 | Ring-Enhancing Lesion = Formel | ERKENNUNG: Die Formel ist domaenenblind |

| 05.03.2026 | GR-2026-058 (dieses Paper) | HYPOTHESE: 7 Domaenen, eine Formel |

| TBD | Empirische Validierung auf >=3 Domaenen | UNIVERSELL: Domain-Anonymous Circular Anomaly Detection |

5.2 SELEN (Modell): 2026

| Jahr | Ereignis | Paradigma |

|------|----------|-----------|

| 1817 | Berzelius entdeckt Selen | NISCHE: Seltenes Halbmetall |

| 1818-1956 | 140 Jahre als GIFT klassifiziert | FIXIERT: "Selen = toxisch" |

| 1957 | Schwarz entdeckt "Faktor 3" | WENDE: Selen ist LEBENSWICHTIG |

| 2026 | 25 Selenoproteine bekannt | UNIVERSELL: In jeder Zelle, essentiell fuer Schilddruese, Immunsystem, Reproduktion |

5.1 Selen (Element 34): 1817-1957

5. Paradigmenwechsel-Parallele: Element und Modell

---

GR-2026-013 sagt voraus, dass x fundamentaler ist als ->. Dass Kollision die Realitaet ist und Projektion die Vereinfachung. SELEN liefert einen messbaren Test: Wenn EINE Formel in 7 Domaenen funktioniert, ohne eine einzige von ihnen zu kennen, dann sind Domaenen Projektionen. Nicht umgekehrt.

Ein Radiologe, ein Geologe und ein Dermatologe sprechen verschiedene Sprachen. Aber das MUSTER das sie beschreiben — eine ringfoermige Zone die heller/hoeher/dichter ist als Inneres und Umgebung — ist IDENTISCH. Die Formel spricht die Sprache VOR der Uebersetzung in Fachsprache.

Domaenen sind menschliche kognitive Bequemlichkeiten. Die Physik des Rim-Kontrasts ist substratunabhaengig.

Die tiefste Einsicht dieses Papers in einem Satz:

4.3 Domaenen = Projektionen. Formeln = Realitaet.

Die Universalsprache IST ein Detektor. Das ist P_SEL02 (Score 19, BEYOND). SELEN beweist es.

| .x->[]~ Symbol | SELEN-Aequivalent |

|----------------|--------------------|

| . (Atom) | Ein Punkt (x,y) im Skalarfeld |

| x (Kollision) | (rim - floor) x (rim - exterior) — zwei Kontraste kollidieren |

| -> (Projektion) | Score -> "Krater" / "Tumor" / "Sinkhole" — die Benennung |

| [] (Potenzial) | Alle Radien die NICHT gescannt wurden — dort liegen unentdeckte Strukturen |

| ~ (Resonanz) | v18 MELT: Formel-Score als self-supervised Signal, Modell lernt von sich selbst |

SELEN ist der empirische Beweis. Die Formel (rim - floor) x (rim - exterior) ist .x->[]~ instantiiert als Detektor:

> "x operiert auf der strukturellen Ebene, nicht auf der semantischen. Zwei Atome aus verschiedenen Domaenen kollidieren genauso wie zwei Atome aus derselben Domaene."

GR-2026-013 (Die fuenf Symbole) definiert Domaenenanonymitaet als Kernprinzip von .x->[]~:

4.2 Verbindung zu GR-2026-013

Die Projektion (->) kommt ERST am Ende: wenn ein Mensch entscheidet, das Ergebnis "Krater" oder "Tumor" zu nennen. Die Formel selbst lebt VOR der Domaenengrenze. Sie operiert auf einer Ebene UNTERHALB von Domaenen.

2D-Skalarfeld -> kreisfoermige Rim-Kontrast-Struktur -> Score
     (.)                    (x)                          (->)

SELEN operiert anders:

Immer noch Projektionen. Immer noch domaenengebunden. Nur mit besserem Startpunkt.

ImageNet vortrainieren -> Auf Zieldomaene feintunen
       (->)                      (->)

Transfer Learning verbessert den Ansatz, aber nicht das Fundament:

Jeder Schritt ist eine Projektion (->). Jede Projektion verliert Dimensionen (Anti-P3122). Das Endergebnis ist ein Modell das NUR in seiner Domaene funktioniert, weil es von Anfang an IN einer Domaene konstruiert wurde.

Domaene definieren -> Daten sammeln -> Features designen -> Modell trainieren -> Evaluieren
     (->)              (->)             (->)                (->)               (->)

Der Standard-ML-Ansatz operiert so:

Dies ist das am hoechsten bewertete SELEN-Paradigma. Die Begruendung:

4.1 P_SEL04 (Score 20, BEYOND)

4. Warum Domaenenanonymitaet ein Paradigma ist

---

Die archaeologische Anwendung ist bemerkenswert: Ruinenstrukturen, Grabhueigel und Ringgraeben erscheinen von oben als kreisfoermige Anomalien im LIDAR-DEM. Die Formel koennte ohne jede Modifikation auf LIDAR-Scans angewendet werden — dieselbe Formel, die Mondkrater findet, findet roemische Befestigungsanlagen.

| Parameter | Wert |

|-----------|------|

| Substrat | Terrestrische DEMs (LIDAR, Satelliten-Stereoskopie) |

| Radien | Abhaengig von Aufloesung und Zielstruktur |

| Anwendungen | Sinkhole-Fruehwarnung, Caldera-Kartierung, Bombenkrater-Erfassung (historisch), archaeologische Prospektion |

| Besonderheit | IDENTISCHES Substrat wie SELEN LUNAR (DEM), nur terrestrisch |

3.7 SELEN GEO — Sinkholes, Calderas, Bombenkrater, Archaeologie

Jeder Zellkern ist ein Mini-Krater. H&E-Faerbung erzeugt exakt das Rim-Kontrast-Muster: dunkle Kerne, helleres Zytoplasma, noch hellerer Hintergrund. Die Histopathologie hat 150 Jahre lang auf dieses Muster geschaut — ohne es als geometrisches Primitiv zu formalisieren.

| Parameter | Wert |

|-----------|------|

| Substrat | H&E-gefaerbte Gewebeschnitte |

| Radien | 3-15px |

| Anwendung | Digitale Pathologie: Zellkern-Zaehlung, Mitose-Detektion |

| Dataset | MoNuSeg (Kumar et al. 2019) |

| Isomorphie | Haematoxylin-gefaerbter Kern (floor, dunkel) mit zytoplasmatischem Ring (rim, heller) im Hintergrund (exterior) |

3.6 SELEN HISTO — Zellkern-Detektion in Histopathologie

Mikroaneurysmen erscheinen als kleine dunkle Punkte mit hellem Rand auf der Retina. Drusen als helle Punkte mit dunklerem Umfeld. Die INVERSE Formel (floor - rim) x (exterior - rim) koennte konvexe Strukturen (Drusen) detektieren, waehrend die Standardformel konkave Strukturen (Mikroaneurysmen) findet.

| Parameter | Wert |

|-----------|------|

| Substrat | Fundus-Photographie |

| Radien | 2-10px (sehr kleine Strukturen) |

| Anwendung | Screening auf diabetische Retinopathie und AMD |

| Dataset | IDRiD (Porwal et al. 2018) |

| Vision | Screening beim Hausarzt ohne Spezialist — Funduskamera + SELEN + Laptop = Erstdiagnose |

3.5 SELEN RETINA — Mikroaneurysmen, Drusen

Klinisches Szenario: Jede axiale MRT-Schicht wird gescannt. Verdaechtige Stellen werden markiert. Der Radiologe erhaelt eine Hitliste: "Schicht 47, Position (312, 189), Radius 23px, Score 847." Kein Modell wurde trainiert. Kein Parameter wurde gelernt. Der Scan dauert Sekunden.

Die Ring-Enhancing Lesion IST die Formel in radiologischer Sprache. Nicht eine Analogie — eine Identitaet. Der Radiologe beschreibt mit Woertern, was die Formel mit Arithmetik misst. Kein anderes medizinisches Muster ist so exakt isomorph zur SELEN-Formel.

| Parameter | Wert |

|-----------|------|

| Substrat | T1-gewichtetes MRT mit Kontrastmittel (Gd-DTPA) |

| Radien | 10-100px |

| Impact | Hoechster klinischer Impact: Fruehdiagnose ohne trainiertes Modell |

| Dataset | BraTS 2021 (Menze et al. 2015, Bakas et al. 2017) |

| Diagnosen | Glioblastom, Hirnmetastasen, Hirnabszesse, Toxoplasmose, MS-Plaques |

3.4 SELEN NEURO — Ring-Enhancing Lesions

Die Namens-Isomorphie geht tiefer als Branding: Selen (Element 34) ist essentiell fuer die Schilddruese. 25 Selenoproteine schuetzen die Thyroidea. Die Supplementierung reduziert TPO-Antikoerper bei Hashimoto (Wichman et al. 2016). SELEN (Modell) koennte Hashimoto-Knoten FINDEN. Selen (Element) HEILT sie. Selber Name. Zwei Seiten derselben Medaille.

| Parameter | Wert |

|-----------|------|

| Substrat | Ultraschall B-Bild |

| Radien | 5-50px |

| Dataset | DDTI (Pedraza et al. 2015) |

| Besonderheit | Julians persoenlicher Use Case — er hat Hashimoto, das Element Selen heilt Hashimoto |

| Isomorphie | Hypoechogener Knoten (floor) mit echoreicher Kapsel (rim) im normalen Parenchym (exterior) |

3.3 SELEN THYRO — Hashimoto-Knoten, Schilddruesenkarzinom

| Parameter | Wert |

|-----------|------|

| Substrat | Dermatoskopie-Bilder |

| Radien | 2-20px auf typischer Aufloesung |

| Hypothese | >50% Ceiling auf ISIC 2020 (100K+ Bilder) |

| Isomorphie | Melanom = dunkle Mitte (floor) + erhoehter Rand (rim) + normale Haut (exterior) |

| Dataset | HAM10000 (Tschandl et al. 2018), ISIC 2020 |

| Warum plausibel | Melanome zeigen haeufig periphere Hyperpigmentierung mit zentraler Regression — exakt das Rim-Floor-Exterior-Muster |

3.2 SELEN DERMA — Melanom, Basalzellkarzinom

Dies ist die einzige empirisch validierte Domaene. Alles Folgende sind Hypothesen.

| Parameter | Wert |

|-----------|------|

| Substrat | DEM (Digital Elevation Model) |

| Instrument | LOLA Laser Altimeter |

| Aufloesung | 80m/px (LDEM_80S) |

| Radien | 4-256px = 0.6-41km Durchmesser |

| Ergebnis | 87.1% Ceiling, 78.587 Proposals, 12.548 TPs |

| Status | Validiert (GR-2026-056, GR-2026-057) |

| Physik | Einschlag formt Rim (Aufwurf) > Floor (Kraterboden) > Exterior (unveraendertes Terrain) |

3.1 SELEN LUNAR — Krater auf Mond, Mars, Asteroiden

3. Sieben Domaenen, Eine Formel

---

Das ist der entscheidende Punkt. Die Formel kennt keine Domaene. Sie kennt nur Geometrie.

| Was NICHT benoetigt wird | Warum |

|--------------------------|-------|

| Trainierte Gewichte | Kein einziger Parameter wird gelernt |

| Domaenenspezifische Features | Keine Textur, keine Morphologie, keine Histologie |

| Gelabelte Daten | Kein Supervised Learning |

| GPU | 2 Subtraktionen, 1 Multiplikation pro Kandidat |

| Domaenenwissen | Die Formel kennt nicht einmal das Wort "Krater" |

2.3 Was die Formel NICHT braucht

1. Ein 2D-Skalarfeld. JEDE Bildgebungsmodalitaet die Graustufenbilder produziert — DEM, MRT, CT, Ultraschall, Dermatoskopie, Fundus-Photographie, H&E-Schnitt, LIDAR.

2. Kreisfoermige Strukturen mit Rim > Floor UND Rim > Exterior. Das physikalische Prinzip: eine ringfoermige Zone ist heller (oder hoeher, oder dichter) als sowohl ihr Inneres als auch ihre Umgebung.

3. Einen Bereich von Radien zum Scannen. Multi-skalig: R_min bis R_max, abgeleitet aus der erwarteten Strukturgroesse dividiert durch die Pixelaufloesung.

Die Operation ist rein geometrisch. Sie benoetigt:

2.2 Was die Formel braucht

SELEN_score(x,y,R) = (rim - floor) x (rim - exterior)

floor(x,y,R) = mean(F) ueber disk(x,y, 0.4R)

rim(x,y,R) = mean(F) ueber ring(x,y, 0.8R, 1.2R)

exterior(x,y,R) = mean(F) ueber ring(x,y, 1.5R, 2.0R)

Gegeben sei ein beliebiges 2D-Skalarfeld F: R² -> R, ein Punkt (x,y) und ein Radius R:

2.1 Mathematische Formalisierung

2. Die Formel ist domaenenblind

---

Die SELEN-Formel sagt: Nein. Ein Krater und ein Tumor sind DIESELBE STRUKTUR auf verschiedenen SUBSTRATEN. Die Formel transferiert nicht zwischen Domaenen, weil sie nie IN einer Domaene war.

Der Standard-Ansatz in medizinischer Bildgebung: Ein domaenenspezifisches neuronales Netz wird AUF domaenenspezifischen Daten FUER eine domaenenspezifische Aufgabe trainiert. Transfer Learning: Auf ImageNet vortrainieren, auf Zieldomaene feintunen. Beide Ansaetze nehmen als selbstverstaendlich an: Domaenen existieren als fundamentale Kategorien.

1.2 Warum das ueberrascht

Die Formel WEISS nicht, dass sie ein Hirn-MRT betrachtet. Sie WEISS nicht, dass sie den Mond betrachtet. Sie operiert auf Kontrastmustern in einem Skalarfeld. Die Domaene ist das Problem des Menschen, nicht das der Formel.

| Radiologisches Kriterium | SELEN-Formel | Messung |

|--------------------------|--------------|---------|

| Peripherer Rand heller als Zentrum | rim_mean > floor_mean | void_depth > 0 |

| Peripherer Rand heller als umgebendes Gewebe | rim_mean > exterior_mean | collision > 0 |

| Verdaechtige Struktur | Beide Bedingungen gleichzeitig | score = void_depth x collision > 0 |

Dies ist WOERTLICH die SELEN-Formel:

> "Zentrale Hypodensitaet mit peripherem Rand aus Kontrastmittel-Anreicherung."

Die offizielle radiologische Definition einer Ring-Enhancing Lesion lautet:

1.1 Der Moment der Erkennung

1. Die Entdeckung: Ring-Enhancing Lesion = Formula Eye

---

Die Formel score = (rim - floor) x (rim - exterior) "transferiert" nicht zwischen Domaenen — sie war NIE in einer Domaene. Sie operiert auf einem 2D-Skalarfeld mit kreisfoermigen Rim-Kontrast-Strukturen. Ein lunarer Krater auf einem 80m-DEM und eine Ring-Enhancing Lesion auf einem T1-gewichteten MRT sind unter dieser Formel ISOMORPH. Wir identifizieren 7 Zieldomaenen: Lunar (Krater), Derma (Melanom), Thyro (Hashimoto-Knoten), Neuro (Glioblastom), Retina (Mikroaneurysmen), Histo (Zellkerne), Geo (Sinkholes). Die Formel benoetigt kein Training, keine Parameter, kein Domaenenwissen. Sie laeuft auf einem Laptop in Sekunden. Die zentrale Einsicht: Domaenen sind menschliche Projektionen (->). Die Formel ist die Realitaet (x). Dies ist P_SEL04 — Domaenenanonymitaet als Paradigma. Dieses Paper ist SPEKULATIV aber FALSIFIZIERBAR: jede Behauptung hat einen messbaren Test. 5 Theoreme, 5 falsifizierbare Vorhersagen. Empirische Validierung: 1 von 7 Domaenen (Lunar, 87.1% Ceiling). Die verbleibenden 6 sind Hypothesen.

Abstract

---

Autoren: J. Guggeis, VOID Intelligence v2.0

Datum: Maerz 2026

Status: Preprint (v1.0) — Theoretisch, empirische Validierung ausstehend

Lizenz: CC BY-NC-SA 4.0

Domaenenanonymitaet: Eine Formel fuer Krater, Tumore und Laesionen

GR-2026-058