Medizinische Bildverarbeitung

Der Fokus liegt hierbei auf einer umfassenden und effizienten Analyse quantitativer Bildgebungsparameter, beispielsweise aus der Magnetresonanz- und der Computertomographie, sowie deren Verknüpfung mit weiteren klinisch und biologisch relevanten Einflussfaktoren. Als einer der Initiatoren und Koordinatoren der „Helmholtz Imaging Platform“ (HIP) verfolgen wir richtungsweisende, innovative Konzepte im Bereich der Informatik, deren Anwendungsbereiche in der Medizin, aber auch darüber hinaus angesiedelt sind. Unser spezieller Fokus liegt hierbei auf Techniken wie der semantischen Segmentierung und der Objektdetektion, aber auch auf der Forschung im Bereich des unüberwachten Lernens und der auf Wahrscheinlichkeit basierenden (probabilistischen) Modellierung.

Methodische Exzellenz und die Umsetzung skalierender Datenanalysen in föderierten Konsortien kann nur auf der Basis von technisch ausgereiften Softwaresystemen und einer hochentwickelten Infrastruktur erreicht werden. In diesem Kontext bildet unser breites technisches Portfolio das Fundament für verschiedene nationale und internationale klinische Forschungsnetzwerke, darunter das Nationale Centrum für Tumorerkrankungen (NCT), das Deutsche Konsortium für Translationale Krebsforschung (DKTK) und das „Cancer Core Europe“ (CCE). In Kollaboration mit unseren klinischen Partnern arbeiten wir an der direkten Translation neuester Entwicklungen aus dem Bereich des maschinellen Lernens in klinisch relevante Anwendungen.

Unser langfristiges Ziel ist es, die Qualität der Gesundheitsversorgung durch methodische Entwicklungen im Bereich künstlicher Intelligenz und deren Einsatz in der Medizin maßgeblich zu verbessern. Einen bedeutenden Schwerpunkt unserer Forschung bilden daher Techniken, die die Anwendbarkeit von „Data Science“ im klinischen Gebrauch optimieren, beispielsweise durch besser interpretierbare Entscheidungshilfen, durch das Adressieren von Unsicherheiten und durch robuste alltagstaugliche Algorithmen. Die Abteilung befasst sich des Weiteren mit Bildanalysekonzepten, die mathematische Modellierungsansätze mit neuesten Techniken des maschinellen Lernens vereinen. Wir engagieren uns darüber hinaus stark für “Open Science”. Deshalb unterstützen wir unter anderem verschiedene “open source”-Projekte, um unsere Entwicklungen und Fortschritte auch anderen Entwicklern und der wissenschaftlichen Gemeinschaft zugänglich zu machen und somit die optimale Nutzung von Synergien zu ermöglichen.