Computer-assistierte Medizinische Interventionen

Abteilung Computer-assistierte Medizinische Interventionen

Prof. Dr. Lena Maier-Hein

© dkfz.de

Die Mission der Abteilung Computer-assistierte Medizinische Interventionen ist es, interventionelle medizinische Verfahren durch datengestützte Methoden zu verbessern. Hierzu nutzt unsere multidisziplinäre Gruppe Erkenntnisse aus einer Vielzahl von Forschungsgebieten einschließlich Künstlicher Intelligenz (KI), Statistik, Computer Vision, Biophotonik und (klinischer) Medizin auf. Die wissenschaftliche Disziplin Surgical Data Science stellt die erste und zentrale Säule unserer Forschung dar. Ziel ist es, durch die Erfassung, Organisation, Analyse und Modellierung von Daten rund um die interventionelle Patientenversorgung einen Nutzen für Patientinnen und Patienten, medizinisches Personal sowie weitere klinische Akteure zu gewinnen. Besonderes Augenmerk liegt hierbei auf der Beseitigung von Hindernissen bei der klinischen Translation von Surgical Data Science-Methoden, wie zum Beispiel Datenknappheit oder dem Umgang mit Unsicherheiten. Eine zweite Säule stellt unsere Forschung zu Deep Learning-basierten innovativen interventionellen Bildgebungsverfahren dar. Hier sind wir vor allem an der Entwicklung spektraler Bildgebungsverfahren hin zu sicheren und zuverlässigen Echtzeit-Gewebe-Bildgebungs- und -Navigationsmodalitäten während interventioneller Eingriffe interessiert. Dies erreichen wir durch physikalisch basierte Konzepte des maschinellen Lernens, die Vorwissen in Form physikalischer Simulationen einbringen. Unser Forschungsprofil wird durch das Querschnittsthema der zuverlässigen Validierung von KI-Algorithmen abgerundet.

Aktuelle Informationen über die Abteilung sowie unsere Forschungsprojekte finden Sie auf unserer englischen Webseite.

Kontakt

Prof. Dr. Lena Maier-Hein
Computer-assistierte Medizinische Interventionen (E130)
Deutsches Krebsforschungszentrum
Im Neuenheimer Feld 223
69120 Heidelberg
Tel: +49 6221 42 2354

Ausgewählte Publikationen

  • Groehl J, Kircher, T, Adler, TJ, Hacker, L, Holzwarth, N, Hernándet-Aguilera, A, Herrera, MA, Santos, E, Bohndiek, SE, Maier-Hein L. Learned spectral decoloring enables photoacoustic oximetry. Nature Scientific Reports. 2021 11(6565).
  • Maier-Hein, L, Eisenmann, M, Reinke, A, Onogur, S, Stankovic, M, Scholz, P, Arbel, T, Bogunovic, H, Bradley, AP, Carass, A, Feldmann, C, Frangi, AF, Full, PM, van Ginneken, B, Hanbury, A, Honauer, K, Kozubek, M, Landman, BA, März, K, ... Kopp-Schneider, A. Why rankings of biomedical image analysis competitions should be interpreted with care. Nature Communications. 2018; 9(1):5217.
  • Wirkert, SJ, Vemuri, AS, Kenngott, HG, Moccia, S, Götz, M, Mayer, BFB, Maier-Hein, KH, Elson, DS, Maier-Hein, L. Physiological Parameter Estimation from Multispectral Images Unleashed. Medical Image Computing and Computer Assisted Intervention. 2017; LNCS 10435:134–141.
  • Maier-Hein, L, Vedula, SS, Speidel, S, Navab, N, Kikinis, R, Park, A, Eisenmann, M, Feussner, H, Forestier, G, Giannarou, S, ... Jannin, P. Surgical data science for next-generation interventions. Nature Biomedical Engineering, 2017; 1(9):691-696.
nach oben
powered by webEdition CMS