Bilder sind in der Life Science-Forschung eine der wichtigsten Methoden der Datenakquise. Durch die andauernd schnelle technische Entwicklung werden diese Bilddaten immer größer und komplexer. Der Umgang mit mehrdimensionalen, Multi-Kanal- und/oder zeitabhängigen Bilddaten sowie ganzer Bilddatensammlungen, die extrem umfangreich werden können, ist nicht trivial und wird zunehmend zu einem Bottleneck in der Datenanalyse. Bilddaten enthalten eine Fülle an Information, die oft nicht direkt quantifizierbar und erfassbar ist und nur mit großem Aufwand und Expertenwissen genutzt werden kann.
Die Extraktion, Korrelation, Visualisierung und Bereitstellung dieser Informationen und deren Kombination mit weiteren experimentellen, genetischen und/oder demographischen Daten mit Methoden der Bildverarbeitung, Künstlichen Intelligenz und Data Science ist der Hauptfokus der Forschung der Biomedical Image Informatics-Gruppe des VRVis.
Life Science-Forschung und Medizinische Diagnostik basieren heute mehr und mehr auf der Basis großer und oft auch sehr heterogener Datenmengen, wie beispielsweise multi-Omics-Daten, klinische und demographische Daten, Bild- und Sensordaten oder Daten aus Verhaltensexperimenten. Die Aufbereitung und Integration dieser Daten sowie die Möglichkeit, diese Daten in ihrem Gesamtkontext zu analysieren, zu visualisieren und intuitiv zu durchsuchen, ist eine der großen Herausforderungen mit der Forscherinnen und Forscher heute konfrontiert sind.
VRVis entwickelt bereits erfolgreich maßgenschneiderte Data Science- und KI-Lösungen für die Analyse komplexer Daten in den Life Sciences mit einem Schwerpunkt auf Neurowissenschaften, Krebsforschung und Biologie. Um mit der zunehmenden Größe und Komplexität der Daten effizient umzugehen, entwickeln wir stark optimierte und hochgradig parallelisierte Analysemethoden. Die Verwendung von High Performance Computing (HPC) Infrastrukturen ermöglicht und die performante Analyse massiver Datensätze.
Wir verwenden visuell-analytische Methoden, um Forscher und Forscherinnen dabei zu unterstützen, Daten zu explorieren und erste Hypothesen zu entwickeln, bzw. als Alternative, wenn zu wenige oder zu diverse Daten vorliegen, um Machine oder Deep Learning zur Modellbildung anzuwenden. Dabei kümmern wir uns nicht nur um die Gestaltung von Visual Analytics-Anwendungen, die eine möglichst effektive Beantwortung von wissenschaftlichen Fragestellungen erlauben, sondern auch um die dazugehörige Datenaufbereitung, statistische Analyse und Indizierung, sowie die Entwicklung performanter Datenstrukturen, um den interaktiven Umgang mit den Daten sicherzustellen.
Neurowissenschaft - Visual Computing, Data Science und Big Data
Visual Analytics und Data Science für das Gesundheitssystem und die medizinische Forschung
Visual Computing und Data Science für Biologie
Duch die schnelle Entwicklung von Messtechniken, genetischen Tools sowie von bildgebenden Verfahren, die ein immer schnelleres Screening biologischer Probleme auf verschiedenen Ebenen und Auflösungsstufen ermöglicht, wird ein gutes Datenmanagement immer wichtiger für eine effiziente Forschung in den Life Sciences. Professionelle Lösungen zum Datenmanagement, integriert mit effizienter und intuitiver Datenvisualisierung sowie performante Möglichkeiten zum gezielten Mining und der Analyse von Daten, wurden vom VRVis bereits mehrfach und erfolgreich zur Beschleunigung von Forschungsprojekten im Life Science-Bereich entwickelt.
Ein wichtiges Merkmal moderner datengetriebener Wissenschaft ist, dass Ergebnisse repliziert, verifiziert und als Grundlage für weiterführende Forschung verwendet werden. In der Vergangenheit wurde (öffentlich finanzierte) Forschung oft in einer Art Vakuum durchgeführt: Die Forschungsdaten werden zwar erstellt, aber nur selten ausgetauscht und gingen eventuell auch nach dem Projekt relativ schnell verloren. Dieser Ansatz ist nicht nur kostspielig, sondern hemmt auch die Zusammenarbeit und den Fortschritt.
Auf Basis von Brain* hat VRVis bereits mehrere Plattformen für die Veröffentlichung von Forschungsdaten geschaffen. Durch den webbasierten Zugang, die hochperformanten Suchfunktionen und die qualitativ hochwertige Visualisierung der Daten unterstützen wir mit unseren Lösungen den Open Research Data-Gedanken durch einen intuitiven und zielgerichteten Zugang zu Forschungsdaten, der weit über eine reine "Ablage" von Datensätzen hinausgeht.
Die Bewegungs- und Verhaltensmuster von Menschen, Tieren oder auch Fahrzeugen sind wichtige Erkenntnisgrundlagen für die Life Sciences. Die daraus resultierenden Bewegungspfade, auch Trajektorien genannt, generieren dabei zusammen mit zeitlich-räumlichen Kontexten eine große Menge an komplexen, heterogenen Datensätzen. Für Forscherinnen und Forscher ist es wichtig, Werkzeuge an die Seite gestellt zu bekommen, mit denen sie diese Daten sinnvoll bearbeiten und analysieren können. Das VRVis entwickelt hierfür sein vielen Jahren spezielle interaktive Visualisierungsmethoden, die je nach Anwendungfall automatische und interaktive Analysen ermöglicht und häufig auch mit Machine Learning- und Deep Learning-Techniken verknüpft sind.
Extended Reality-Werkzeuge (Augmented und Virtual Reality) finden immer öfter Einsatz in den Life Sciences. Denn digitale Realitäten helfen wissenschaftliche Experimente, Trainings und Behandlungen zu verbessern, indem sie immersive und realitätsgetreue Umgebungen schaffen, die kostengünstig und kontrollierbar sind.
Für die Abteilung für Neurobiologie der Universität Wien entwickelten wir am VRVis einen Bewegungs- und Kamera-Aufbau, mit welchem die Reaktionen von Jagdspinnen untersucht werden können. Die Spinne läuft auf einer Kugel von ein Meter Durchmesser in einer projizierten Umgebung. Eine Kamera misst die Bewegungen der Spinnen und dreht die Kugel um die Spinne im Zentrum zu halten. Dadurch können beliebige visuelle Stimuli in Abhängigkeit der Spinnenbewegung erzeugt werden, auch solche, die mit einem physischen Aufbau unmöglich wären.
Referenzen
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.
Zu verstehen, wie das Gehirn funktioniert, ist eine der größten Herausforderungen, mit denen sich die Neurowissenschaften heute befassen. Dazu bedarf es spezieller Software-Infrastrukturen, um die Erforschung des komplexen Zusammenspiels von Genen, Struktur und Funktion zu ermöglichen und zu beschleunigen.
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.
