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
Machine Learning

Machine Learning

Machine learning with its capability to recognize complex patterns in big data is currently transforming cancer research. Many groups at DKFZ employ machine learning and deep learning to advance cancer research and treatment. Application areas include imaging and diagnostics, the analysis of high-dimensional omics datasets, the linking of clinical, experimental, imaging and omics data, and surgery and intervention. Methodologic research foci are causality, uncertainty, interpretability and scaling.

Bangert group

Radiotherapy Optimization

Our work revolves around the computational incorporation of physical and numerical models into the treatment optimization process for cancer therapy with radiation.

Proportion of this group's activities taken up by computational research: 80%

Floca group

Software development for Integrated Diagnostic and Therapy

Computational research in the context of uncertainty quantification and hyper parameter optimization of image processing pipelines as well as medical image registration.

Proportion of this group's activities taken up by computational research: 50%

Jäger Group

Interactive Machine Learning

Machine learning research with a focus on human-machine-interaction and diverse imaging applications from all across Helmholtz.

Proportion of this group's activities taken up by computational research: 100%

Klaus Maier-Hein group

Medical Image Computing

The group develops machine learning algorithms, mathematical modelling approaches and the required research software infrastructure for computational image understanding and large-scale information processing. 

Proportion of this group's activities taken up by computational research: 100%

Lena Maier-Hein group

Intelligent Medical Systems

The vision of the division is to observe everything occurring within and around the surgical treatment process in order to provide context-aware assistance to the physicians.

Proportion of this group's activities taken up by computational research: 100%

Stegle group

Computational Genomics & Systems Genetics

The Stegle team uses statistics and machine learning to analyse and integrate genomic variation datasets. 

Proportion of this group's activities taken up by computational research: 100%

to top
powered by webEdition CMS