Forschungsthemen

Big Data Management and Mining

Seit 2008 entwickelt VRVis komplette Plattformen zum webbasierten Management, der Visualisierung, der Integration und des Minings von Gehirndaten. Alleinstellungsmerkmal des Systems sind die sehr performanten räumlichen Indexingmethoden, die es intuitiv und fast in Echtzeit erlauben, den Inhalt zehntausender von 3D Datensätzen nach ähnlichen oder überlappenden Sub-Strukturen zu durchsuchen. Unsere Entwicklungen basieren auf unserem modularen Brain* Framework.

Unsere Systeme sind mittlerweile in etlichen Institutionen installiert und bieten teilweise auch öffentlichen Zugang zu großen Datensammlungen. Das BrainBase System hosted zur Zeit Datensammlungen zum larvalen und adulten Gehirn der Drosophila melanogaster und des Zebrafischs. (siehe z.B. larvalbrain.org, fruitfly.tefor.net, zebrafish.tefor.net)

Zusammen mit Neurowissenschaftlerinnen und -wissenschaftlern des Haubensak Labs und Boehringer-Ingelheim entwickeln wir BrainTrawler für Datensammlungen zum Gehirn von Mäusen und Menschen. Mittels räumlicher Indexierung ermöglichen wir hier die Analyse von Genexpressiondaten und komplexen Gehirnnetzwerken in Echtzeit. Eine Zuordnung der Daten zu hierarchisch organisierten anatomischen Strukturen ermöglicht die Suche auf verschiedenen anatomischen Ebenen. Zusammen mit intuitiver Netzwerk-Visualisierung, iterativen visuellen Abfragen und quantitativen Informationen ermöglicht BrainTrawler die genetische Dissektion multimodaler Netzwerke auf lokaler/globaler Ebene im räumlichen Kontext.

Auswahl an Publikationen

  • F. J. Ganglberger, J. Kaczanowska, W. Haubensak, and K. Bühler, “A Data Structure for Real-Time Aggregation Queries of Big Brain Networks,” Neuroinformatics, Jan. 2019.

  • F. Ganglberger, N. Swoboda, L. Frauenstein, J. Kaczanowska, W. Haubensak, and K. Bühler, “BrainTrawler: A visual analytics framework for iterative exploration of heterogeneous big brain data,” Computers & Graphics, vol. 82, pp. 304–320, Aug. 2019.

  • I. Arganda-Carreras, T. Manoliu, N. Mazuras, F. Schulze, J. E. Iglesias, K. Bühler, A. A. Jenett, F. Rouyer, and P. Andrey, “A Statistically Representative Atlas for Mapping Neuronal Circuits in the Drosophila Adult Brain,” Frontiers in Neuroinformatics, vol. 12, p. 79, Mar. 2018.

  • S. E. A. Muenzing, M. Strauch, J. W. Truman, K. Bühler, A. S. Thum, and D. Merhof, “larvalign: Aligning Gene Expression Patterns from the Larval Brain of Drosophila melanogaster,” Neuroinformatics, vol. 12, no. 1, pp. 26–16, Nov. 2017.

  • M. Trapp, F. Schulze, A. A. Novikov, L. Tirian, B. J. Dickson, and K. Bühler, “Adaptive and Background-Aware GAL4 Expression Enhancement of Co-registered Confocal Microscopy Images,” Neuroinformatics, vol. 14, no. 2, pp. 221–233, Apr. 2016.

  • F. Ganglberger, F. Schulze, L. Tirian, A. Novikov, B. J. Dickson, K. Bühler, and G. Langs, “Structure-Based Neuron Retrieval Across Drosophila Brains,” Neuroinformatics, vol. 12, no. 3, pp. 423–434, Jan. 2014.

  • Projekt: 4D Larvalbrain

Datenvisualisierung

Die Visualisierung neurowissenschaftlicher Daten für Publikationen, aber auch für die interaktive Datenexploration im Kontext des Brain*-Systems ist ein wichtiger Forschungsbereich des VRVis. In mehreren Arbeiten wurde beispielsweise ein besonderer Schwerpunkt auf die Visualisierung und die interaktive Analyse von Gehirnnetzwerkdaten gelegt, sowie auf die Umsetzung sehr performanter webbasierter 2D- und 3D- Visualisierung von Gehirndaten (siehe z.B. larvalbrain.org).

Auswahl an Publikationen

  • N. Swoboda, J. Moosburner, S. Bruckner, J. Y. Yu, B. J. Dickson, and K. Bühler, “Visualization and Quantification for Interactive Analysis of Neural Connectivity in Drosophila,” Computer Graphics Forum, vol. 36, no. 1, pp. 160–171, Jan. 2016.

  • J. Sorger, K. Bühler, F. Schulze, and T. Liu, “neuroMAP—Interactive graph-visualization of the fruit fly's neural circuit,” presented at the Biological Data Visualization, IEEE Symposium on, 2013, pp. 73–80.

Analyse komplexer und heterogener Daten aus Verhaltensstudien und Neuron Recordings

Wir entwickeln und erforschen maßgeschneiderte Data Science und Visual Analytics-Lösungen, um die oft sehr anspruchsvollen und heterogenen Daten aus Verhaltens- und pharmakologischen Experimenten zu analysieren. Die Datentypen sind vielfältig: Neben Aufzeichnungen neuronaler Aktivitäten wenden wir unsere Methoden auch auf Daten an, die aus Videoaufnahmen von Verhaltensstudien extrahiert wurden.

Neben "klassischen" Methoden des Machine und Deep Learning, wie Klassifizierungen und Clusteranalysen, verwenden wir auch Methoden aus der Informationstheorie oder psychophysikalische Modelle.

Ausgewählte Publikation

  • F. Bechtold, R. Splechtna, and K. Matkovic, "Visual Exploratory Analysis for Multiple T-Maze Studies", VCBM, 2018.

Computational Neuroscience

Computational Neuroscience verwendet ausschließlich Daten und mathematische Methoden bzw. Methoden der Informatik, um neue Erkenntnisse zu gewinnen. Gemeinsam mit mehreren Partnerinnen und Partnern haben wir beispielsweise neue Ansätze entwickelt, um neue funktionale Gehirnregionen auf der Basis zehntausender Bilddatensätze von Neuronen zu berechnen oder funktionale Teilnetzwerke, die mit bestimmten Genen korrelieren, zu rekonstruieren. In einer aktuellen Arbeit versuchen wir den Ursprung menschlicher kognitiver Merkmale zu kartieren, indem wir evolutionäre Genomik mit funktioneller Neuroanatomie kombinieren, um die neurogenetische Entwicklung der menschlichen Hirnfunktionen direkter und umfassender zu rekonstruieren.

Um eine akzeptable Performance für die komplizierten Berechnungen auf sehr großen Datenmengen zu erreichen, entwickeln wir hochparallelisierte Lösungen und nutzen gezielt verfügbare High Performance Computing-Infrastrukturen. 

Auswahl an Publikationen

Virtual Reality für Life Sciences

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