Cookie Hinweis

Wir verwenden Cookies, um Ihnen ein optimales Webseiten-Erlebnis zu bieten. Dazu zählen Cookies, die für den Betrieb der Seite notwendig sind, sowie solche, die lediglich zu anonymen Statistikzwecken, für Komforteinstellungen oder zur Anzeige personalisierter Inhalte genutzt werden. Sie können selbst entscheiden, welche Kategorien Sie zulassen möchten. Bitte beachten Sie, dass auf Basis Ihrer Einstellungen womöglich nicht mehr alle Funktionalitäten der Seite zur Verfügung stehen. Weitere Informationen finden Sie in unseren Datenschutzhinweisen .

Essentiell

Diese Cookies sind für die Funktionalität unserer Website erforderlich und können nicht deaktiviert werden.

Name Webedition CMS
Zweck Dieses Cookie wird vom CMS (Content Management System) Webedition für die unverwechselbare Identifizierung eines Anwenders gesetzt. Es bietet dem Anwender bessere Bedienerführung, z.B. Speicherung von Sucheinstellungen oder Formulardaten. Typischerweise wird dieses Cookie beim Schließen des Browsers gelöscht.
Name econda
Zweck Session-Cookie für die Webanalyse Software econda. Diese läuft im Modus „Anonymisiertes Messen“.
Statistik

Diese Cookies helfen uns zu verstehen, wie Besucher mit unserer Webseite interagieren, indem Informationen anonym gesammelt und analysiert werden. Je nach Tool werden ein oder mehrere Cookies des Anbieters gesetzt.

Name econda
Zweck Measure with Visitor Cookie emos_jcvid
Externe Medien

Inhalte von externen Medienplattformen werden standardmäßig blockiert. Wenn Cookies von externen Medien akzeptiert werden, bedarf der Zugriff auf diese Inhalte keiner manuellen Zustimmung mehr.

Name YouTube
Zweck Zeige YouTube Inhalte
Name Twitter
Zweck Twitter Feeds aktivieren

Abteilung Intelligente Medizinische Systeme

Prof. Dr. Lena Maier-Hein

© dkfz.de

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

Die Mission der Abteilung Intelligente Medizinische Systeme 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. 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.

Kontakt

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

Ausgewählte Publikationen

  • Maier-Hein L / Reinke A, et al. Metrics reloaded: Recommendations for image analysis validation. Nature Methods 21, 2024
  • Ayala L / Adler T, et al., Spectral imaging enables contrast agent-free real-time ischemia monitoring in laparoscopic surgery. Science Advances 9(10), 2023
  • Maier-Hein L, et al. Surgical data science - from concepts toward clinical translation. Medical Image Analysis 76:102306, 2022
  • Ardizzone L, et al. Analyzing inverse problems with invertible neural networks. International Conference on Learning Representations (ICLR) 2019
nach oben
powered by webEdition CMS