Bilder transportieren eine Fülle an Informationen und sind für den Menschen die verständlichste Sprache der Welt. Wie Computer die Inhalte und Informationen auf Bildern ebenso effizient oder sogar effizienter als Menschen erkennen, zuordnen, interpretieren und verwerten können, ist seit über 20 Jahren ein Forschungsthema des VRVis.
Unsere methodischen Schwerpunkte in den Bereichen Bildverarbeitung, Computer Vision und Video Processing liegen auf klassischen Bildverarbeitungsthemen, d.h. Machine und Deep Learning zur Klassifizierung, Segmentierung, Objektdetektion and -annotierung von Bild- und Videodaten, der Bildkorrelation sowie der Visualisierung von Bilddaten.
Um konkrete Lösungen für eine bildbasierte Entscheidungsfindung ("Image-based Decision-Making") umzusetzen, werden gemeinsam mit unseren Forschungspartnerinnen und Forschungspartnern sowie Kundinnen und Kunden entsprechend der Charakteristiken der jeweiligen Bilddaten und Aufgaben maßgeschneiderte Methoden entwickelt.
Um komplexe und transparente Entscheidungsprozesse zu unterstützen, forschen wir nach innovativen Wegen, wie Bildinformationen nicht nur erkannt, sondern auch die jeweiligen Entscheidungswege visualisiert und weiter vernetzt werden können. Unsere automatisierten, bildbasierten Such-, Analyse- und Erkennungstechniken unterstützen, beschleunigen oder ersetzen menschliche Entscheidungsprozesse sowohl im medizinischen Alltag und der Industrie als auch in der Wissenschaft.
Die schnelle technologische Entwicklung bildgebender Verfahren ermöglicht heute immer bessere Einsichten z.B. in biologische Prozesse. Methoden zur Analyse und Korrelation von Bilddaten aus verschiedenen Sensorquellen und Bildmodalitäten und die Visualisierung dieser oft sehr großen und heterogenen Daten sind eine Schlüsseltechnik zur Interpretation und werden von uns gemeinsam mit Imaging-Spezialistinnen und -Spezialisten erforscht und entwickelt. VRVis ist Mitglied des Netzwerkes Austrian BioImaging/CMI und hat so Zugang zu High-End Correlative Imaging-Technologie und -Expertise.
Advanced Microscopy
Qualitätssicherung in der industriellen Fertigung
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.
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.
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