Abteilung Medizinische Bildverarbeitung

Prof. Dr. Klaus Maier-Hein

Die Magnetresonanzbildgebung liefert eine Fülle von Information, aus der wir mit Computerhilfe persönlich adaptierte Organmodelle berechnen können. Das Bild zeigt eine auf der Graphentheorie basierende Modellierung des Gehirns, anhand derer wir Krankheitsmuster erlernen, wiederfinden und vorhersehen können.
© dkfz.de

Die Abteilung „Medizinische Bildverarbeitung“ steht für wegweisende Entwicklungen auf dem Gebiet des maschinellen Lernens und der automatisierten Informationsverarbeitung. Im Rahmen der „Nationalen Dekade gegen Krebs“ ist das Ziel unserer Arbeit eine optimierte, systematische Datenanalyse in der bildgebenden Onkologie. 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.

Kontakt

Prof. Dr. Klaus Maier-Hein
Medizinische Bildverarbeitung (E230)
Deutsches Krebsforschungszentrum
Im Neuenheimer Feld 223
69120 Heidelberg
Tel: +49 6221 42 2327
Fax: +49 6221 42 2345

Ausgewählte Publikationen

  • Kickingereder P, Isensee F, Tursunova I, Petersen J, Neuberger U, Bonekamp D, Brugnara G, Schell M, Kessler T, Foltyn M, Harting I, Sahm F, Prager M, Nowosielski M, Wick A, Nolden M, Radbruch A, Debus J, Schlemmer HP, Heiland S, Platten M, von Deimling A, van den Bent MJ, Gorlia T, Wick W, Bendszus M, Maier-Hein KH. Automated quantitative tumour response assessment of MRI in neuro-oncology with artificial neural networks: a multicentre, retrospective study. Lancet Oncol. 2019 May;20(5):728-740. doi: 10.1016/S1470-2045(19)30098-1. Epub 2019 Apr 2.
  • Bickelhaupt S, Jaeger PF, Laun FB, Lederer W, Daniel H, Kuder TA, Wuesthof L, Paech D, Bonekamp D, Radbruch A, Delorme S, Schlemmer H-P, Steudle FH, Maier-Hein KH: Radiomics Based on Adapted Diffusion Kurtosis Imaging Helps to Clarify Most Mammographic Findings Suspicious for Cancer. Radiology 287 (3), 761-770, 2018.
  • Wasserthal J, Neher P, Maier-Hein KH: TractSeg - Fast and accurate white matter tract segmentation. Neuroimage 183, 239-253, 2018.
  • Maier-Hein KH, Neher PF, Houde JC, Cote MA, Garyfallidis E, Zhong J, Chamberland M, Yeh FC, Lin YC, Ji Q, Reddick WE, Glass JO, Chen DQ, Feng Y, Gao C, Wu Y, Ma J, Renjie H, Li Q, Westin CF, Deslauriers-Gauthier S, Gonzalez JOO, Paquette M, St-Jean S, Girard G, Rheault F, Sidhu J, Tax CMW, Guo F, Mesri HY, David S, Froeling M, Heemskerk AM, Leemans A, Bore A, Pinsard B, Bedetti C, Desrosiers M, Brambati S, Doyon J, Sarica A, Vasta R, Cerasa A, Quattrone A, Yeatman J, Khan AR, Hodges W, Alexander S, Romascano D, Barakovic M, Auria A, Esteban O, Lemkaddem A, Thiran JP, Cetingul HE, Odry BL, Mailhe B, Nadar MS, Pizzagalli F, Prasad G, Villalon-Reina JE, Galvis J, Thompson PM, Requejo FS, Laguna PL, Lacerda LM, Barrett R, Dell`Acqua F, Catani M, Petit L, Caruyer E, Daducci A, Dyrby TB, Holland-Letz T, Hilgetag CC, Stieltjes B, Descoteaux M: The challenge of mapping the human connectome based on diffusion tractography. Nature Communications 8 (1), 1349, 2017.
nach oben
powered by webEdition CMS