Digitale Radiologie
Seit über 20 Jahren erforscht das VRVis Lösungen für die digitale Radiologie. Unsere Innovationen unterstützen die medizinischen Teams bei Krankheitsprävention, Pathologieerkennung und Therapieplanung. Die Ergebnisse unserer Forschung sind mehrfach hochkarätig publiziert und international patentiert. Unser Portfolio an Lösungen und digitalen Werkzeugen reicht von vollautomatischen semantischen Annotationen, Herzanalyse, KI-gestützte Tuberkulose-Screenings bis hin zu Segmentierung von Weichteiltumoren in multimodalen Daten oder vertrauenswürdiger KI-Lösungen (XAI). Weitere Informationen zu unseren Lösungen im Bereich digitale Radiologie.
Medizin
Mithilfe neuester Methoden der Visualisierung, Bildverarbeitung und Data Science beschleunigen wir für unsere Partner aus der Biotech-Branche und dem Gesundheitswesen medizinische Diagnoseprozesse, chirurgische Planung sowie Intervetionsplanung. Mit unseren Daten-Plattformen und Data Science-Lösungen tragen wir zum besseren Verständnis epidemiologischer Vorgänge und der Entwicklung von Präzisionsmedizin bei. Weitere Informationen über unsere Anwendungen und Technologien für die Medizin.
Neurowissenschaften
Modernste bildgebende Verfahren sowie der Fortschritt bei der Entwicklung genetischer Tools erlauben immer tiefere Einblicke in die Funktionsweise von Nervenzellen, neuronalen Netzen und des gesamten Gehirns. In Zusammenarbeit mit renommierten internationalen Institutionen entwickelt VRVis seit über einem Jahrzehnt Data Science-Methoden, zur rechnerischen Auswertung neurowissenschaftlicher Daten sowie große Daten-Plattformen für das Management, die Integration, die Visualisierung und vor allem für das Mining großer Sammlungen neurowissenschaftlicher Bild- und Netzwerkdaten und deren molekularem Kontext. Mehr über unsere Lösungen für die Neurowissenschaft.
Visualisierung
Visualisierung ist eine Kernkompetenz des VRVis. Der richtige Umgang mit mehrdimensionalen, Multi-Kanal- und/oder zeitabhängigen Bilddaten sowie ganzer Bildsammlungen wird zunehmend zu einem Engpass in der Datenanalyse. Visualisierung ist ein wichtiges Werkzeug, um die Fülle an Informationen aus Bilddaten voll ausschöpfen zu können. Dazu zählt unter anderem die Visualisierung und interaktive Analyse von Gehirnnetzwerkdaten, die hochperformante 2D- und 3D-Visualisierung von Gehirndaten oder auch Visualisierungmethoden für die Verhaltensbiologie. Weitere Informationen über unsere Kompetenz im Bereich Visualisierung. Neurowissenschaft und Life Sciences.
für dieMaterialwissenschaft und Manufacturing
Moderne Materialwissenschaften und Produktionsunternehmen greifen auf Methoden der Bildverarbeitung zurück, um die Daten aus Sensoren und Kameras auszuwerten. Dies unterstützt Produktionsprozesse und optimiert Qualitätsprüfungen. Am VRVis entwickeln wir für unseren Partner RHI Magnesita KI-basierte Bildverarbeitungsmethoden, um visuelle Qualitätsprüfungen zu automatisieren und Materialstrukturen auf Schadensarten zu analysieren sowie die Annotation für zukünftige Trainingsdaten zu vereinfachen.
Satellitenbildverarbeitung
Satellitendaten verschiedener Missionen und Programme liefern eine breite Palette an Daten, müssen jedoch erst bearbeitet werden, um an die darin vorhandenen Informationen zu gelangen. Digitale Bildverarbeitung ist daher eine der Schlüsseltechnologien in der Fernerkundung (Remote Sensing). Das VRVis entwickelt Bildverarbeitungsmethoden, um aus Satelittenbildern relevante Informationen für die Landwirtschaft zu gewinnen. Dazu gehört beispielsweise die Größe und Strukturierung von Agrarflächen. Ebenso nutzen wir Super-Resolution-Reconstruction (SRR), um die Auflösung von Bilddaten mit KI zu verbessern und dadurch noch mehr Detail-Informationen, wie über Vegetationsbeschaffenheit, zu generieren. Weitere Informationen über das Projekt.
Schädlinge oder Extremwetter beeinflussen das Getreidewachstum und die Erträge. Die Pflanzenentwicklung zu erfassen und auszuwerten liefert die Basis, um Ernteeinbußen zu verhindern. VRVis ist Teil eines Projektkonsortiums, das eine Plattform für die Landwirtschaft entwickelt, mit dem Ziel, funktionelle Bildgebungsdaten zur Analyse zu nutzen und Kompetenzen dazu in Trainings zu vermitteln.
Das VRVis unterstützt Hage Sondermaschinenbau mit seinen Kompetenzen im Machine Learning: Hage benötigt ein Überwachungssystem für weitläufige Anlagen, um zu gewährleisten, dass keine Personen im Maschinen-Aktionsradius sind. VRVis überprüft daher die Eignung von ML-Methoden für die Sicherheit in industrieller Umgebung.
Sicherheit im Schienenverkehr setzt regelmäßig gewartete Züge voraus. Bei Arbeiten am Zugdach kann es dazu kommen, dass Ersatzteile oder Werkzeuge übersehen werden - eine Gefahr bei hoher Fahrtgeschwindigkeit. VRVis und Zugkraft-kN konzipieren einen Scanner für Zugdächer, der diese Problematik automatisch verhindert.
Mithilfe des 3D-Drucks ("Additive Manufacturing") können Ersatzteile für schadhafte Züge schneller und günstiger hergestellt werden - ein großes Potenzial für die klimaschonende Zukunft und kürzere Ausfallzeiten.
Das Ziel des Anwendungsprojekts IVC Multi ist die Erforschung neuartiger intelligenter Visual Computing-Methoden zur Unterstützung der Entscheidungsfindung in der Automobilindustrie, der Medizin und den Biowissenschaften auf Basis von Ensembles heterogener, multiskaliger und/oder multitemporaler Daten.
Das Ziel des Projekts IVC Stream ist die Erforschung neuartiger Visual Computing-Lösungen für Simulations- und Messdaten.
Dieses Projekt IVC Image zielt auf die Beschleunigung und Automatisierung bildbasierter Entscheidungsfindung mit einem Anwendungsschwerpunkt in der Medizin sowie Recycling- und Qualitätssicherungsprozesse in der Fertigung.
Das strategische Projekt IVC Complex ist der Dreh- und Angelpunkt für die Realisierung des flächendeckenden intelligenten Visual Computing-Ansatzes für Analytik und Modellierung auf der Basis von Ensembles aus dichten rasterbasierten Daten, abgeleiteten Daten und digitaler Einbettung.
Im Projekt Larvalbrain 2.0 soll durch die Integration von Daten über strukturelle, molekulare, physiologische und verhaltensbedingte Ergebnisse von Drosophila-Melanogaster-Larven ein dynamischer, mehrstufiger Gehirnatlas etabliert werden.
VRVis ist Gründungsmitglied von Austrian BioImaging/CMI. Dies ist ein professionelles Konsortium aus verschiedenen österreichischen Forschungseinrichtungen und die offizielle Euro-BioImaging Initiative Österreichs.
COMULIS (Correlated Multimodal Imaging in Life Sciences) ist eine EU-geförderte COST Action mit dem Ziel, Kollaborationen im Feld des Correlated Multimodal Imaging (CMI) voranzutreiben.
Im Projekt INDIGO arbeiten Forschende daran, die Graffitis am Wiener Donaukanal systematisch zu dokumentieren. Anhand von Fotos erstellen sie einen digitalen Zwilling der Wände. Das VRVis unterstützt das Projekt aktuell mit seiner technologischen Expertise.
Visual Computing für die Medizin: Bildverarbeitungslösungen für neue Anwendungen in der Radiologie.
Um die Qualitätskontrolle und Qualitätssicherung von Glasartikeln zu automatisieren, entwickeln wir in diesem Projekt neue Methoden aus dem Bereich der visuellen Analytik und des maschinellen Lernens.
Die langfristige Vision dieses angewandten Forschungsprojekts ist die Nutzung der verfügbaren Datenressourcen zur Verbesserung der bildbasierten Diagnostik auf der Grundlage komplexer Daten in der täglichen klinischen Routine.
Das strategische Projekt bildet das Forschungsgruppen-übergreifende organisatorische und wissenschaftliche Zentrum für die Realisierung eines Integrative Visual Computing-Ansatzes.
Seit Jahrhunderten kartografieren die Neurowissenschaften das Gehirn. Bisher erwies sich der Schritt von einfachen Karten zu einem allgemein akzeptierten Modell als äußerst schwierig. In diesem Projekt wird ein 4D-Atlas des Gehirns der Fruchtfliegenlarve gebaut.
Visual Computing-Techniken zur automatisierten Erkennung von Osteoporose und Osteoarthritis.
Software für die Verwendung von multimodalen Bildern in der externen Strahlentherapie.
Workflows der nächsten Generation zur interaktiven Wissensgenerierung aus Bildern und Simulationen.
Die Analyse, Visualisierung und Erforschung von hochdimensionalen Bildräumen sind Gegenstand des KAFus-Projekts.
Um das Leben der Menschen ökonomisch, ökologisch und sozial zukunftsfähig zu machen, unterstützen VRVis-Entwicklungen schon 10 der 17 Sustainable Development Goals. Dafür sind wir aktuell für den Austrian SDG-Award nominiert.
Das VRVis hat beim Innovationsdialog der diesjährigen IÖB Challenge seinen Workflow für ein digitales, interaktives Ausstellungsarchiv für das Schloss Trautenfels präsentiert.
Neue KI-Methode des VRVis, die Vertrauen in computergestützte Diagnosen stärkt, erhält den eAward 2021.
Am 3. März 2020 wurde Katja Bühler, Leiterin unserer Biomedical Image Informatics-Gruppe, mit dem renommierten TU-Frauenpreis ausgezeichnet.
Florian Ganglberger wurde mit seinem Short paper bei der VCBM 2019 mit einer "Honorable Mention" ausgezeichnet.
Visual Computing für die computergestützte Diagnostik und Operationsplanung.
A. Neubauer, M. T. Forster, L. Mroz, R. Wegenkittl, K. Bühler, STEPS - An Application for Simulation of Transsphenoidal Endonasal Pituitary Surgery, in Proceedings of IEEE Visualization 2004, pp 513-520. 2004, IEEE Vis 2004 Best Applications Paper
Das EU-Projekt SUMMER gewann den Preis "Les Étoiles de l'Europe".
Sebastian Zambal, Jiří Hladůvka, Armin Kanitsar, Katja Bühler, Shape and Appearance Models for Automatic Coronary Artery Tracking, WON MICCAI 2008 Contest: 3D Segmentation in Clinic: A Grand Challange.
J. Beyer, M. Hadwiger, S. Wolfsberger), K. Bühler, High-Quality Multimodal Volume Rendering for Preoperative Planning of Neurosurgical Interventions, in IEEE Transactions on Visualization and Computer Graphics 13(6) pp.1696-1703 / Proceedings of IEEE Vis 2007, Vis 2007 Best Application Paper
A. Neubauer, Endoscopy for Preoperative Planning and Training of Endonasal Transsphenoidal Pituitary Surgery.
C. Langer, M. Hadwiger, K. Bühler, Interaktive diffusionsbasierte Segmentierung von Volumendaten auf Grafikhardware, Bildverarbeitung für die Medizin 2005; GI Informatik Aktuell; Springer Verlag. pp 168-17, BVM 2005 Best Poster
S. Wolfsberger, M. Donat, A. Neubauer, K. Bühler, T. Czech, E. Knosp, Virtuelle Endoskopie in der transsphenoidalen Hypophysenchirurgie, CURAC 2005 Best Poster
M. Meissner, B. Lorensen, K. Zuiderveld, V. Simha, R. Wegenkittl, Volume Rendering in Medical Applications: We've Got Pretty Images, What's Left to Do?, in IEEE Visualization 2002