Awards

Weitere Informationen

Mehr über den VRVis Visual Computing Award.

Leitung VRVis Visual Computing Award

Dipl.-Math.in Dr.in Katja Bühler

Wissenschaftliche Leiterin | Head of Biomedical Image Informatics Group, Biomedical Image Informatics

Die GewinnerInnen des VRVis Visual Computing Awards 2023

Gaia Pavoni, die an einem Strand steht, der unscharf im Hintergrund zu sehen ist, lächelt in die Kamera.
Gaia Pavoni (ISTI-CNR) erhält die Auszeichnung des VRVis Visual Computing Awards 2023 für ihren wertvollen Beitrag zur Meeresökologie durch verbesserte Korallenriff-Visualisierung.

Über Gaia Pavoni

Nach einem Abschluss in Mathematik und einigen Jahren Erfahrung in einem technologischen Start-up-Unternehmen trat Gaia Pavoni im November 2014 in das Visual Computing Lab des ISTI-CNR ein. In den ersten Jahren ihrer Karriere konzentrierte sie ihre Forschung hauptsächlich auf das kulturelle Erbe und die Entwicklung digitaler Werkzeuge und Anwendungen für die Untersuchung, Erhaltung und Verbreitung. Im Jahr 2016 bekam sie die Gelegenheit, ihre Doktorarbeit mit ihrer Leidenschaft zum Meer, Tauchen und Umweltthemen zu verbinden. Sie beschloss, sich mit Anwendungen der Computer Vision/Fotogrammetrie und Künstliche Inzelligenz-basierten Tools für die ökologische Unterwasserüberwachung zu beschäftigen. Seitdem arbeitet und forscht sie mit einer multidisziplinären Gruppe von Forschenden aus aller Welt zusammen, um ein tiefes Verständnis für Fragen der Unterwasservermessung zu erlangen. Im Rahmen verschiedener laufender Forschungsprojekte, insbesondere ihrer Software TagLab, automatisiert Gaia Pavoni die Interpretation von 2D- und 3D-Daten, um ein umfassendes Verständnis der marinen Lebensräume zu erlangen und ihre zukünftigen Trends vorherzusagen.

Das Bild ist unterteilt in vier Abschnitte, die alle Screenshots der Software TagLab zeigen, welche ein wichtiges menschzentriertes KI-basiertes Werkzeug zur Datenverarbeitung und zum Monitoring von Korallenriffen darstellt.
Menschliche Expertinnen und Experten sind unglaublich genau in der Bildanalyse, können jedoch nicht die sehr große Menge an Bildern, die täglich von Korallenriffen gesammelt werden, verarbeiten. Computer sind wiederum schnell in der Verarbeitung, aber ihre Leistung bei komplexen kognitiven Erkennungsaufgaben in komplexen Szenarien leidet immer noch unter mangelnder Genauigkeit. Gaia Pavonis Software "TagLab" verfolgt einen "Human-in-the-Loop"-Ansatz, indem es interaktive KI-Werkzeuge und eine interne Lernpipeline anbietet. Diese Pipeline ermöglicht das Training von benutzerdefinierten Erkennungsmodellen, die Bewertung der Trainingsergebnisse und die Ableitung von Vorhersagen für neue Daten. Schließlich können georeferenzierte automatische Vorhersagen leicht erforscht und interaktiv bearbeitet werden, wodurch eine Genauigkeit erreicht wird, die mit Standardmethoden des maschinellen Lernens allein nicht möglich ist. Es sind Werkeuge wie diese, welche den wichtigen Beitrag von Visual Computing zur Lösung von komplexen Problemen zeigen.

Über die Visual Computing-Forschungsarbeit von Gaia Pavoni

Die zunehmende Verbreitung kostengünstiger Kameras und datengesteuerter autonomer Robotertechnik hat dazu geführt, dass großflächige Unterwasseraufnahmen zur Überwachung von Korallenriffen immer beliebter werden. Ökologische Bewertungen, die aus Bildern abgeleitet werden, waren bisher der direkten Beobachtung durch Wissenschaftlerinnen und Wissenschaftler vorbehalten. Die Interpretation der gesammelten Daten durch den Menschen ist jedoch zeitaufwändig und stellt eine Herausforderung bei der späteren Analyse dar, so dass jedes Jahr nur eine kleine Menge der gesammelten Bilder anschließend von Ökologinnen und Ökologen analysiert wird.

Algorithmen, die auf maschinellem Lernen basieren, können zwar die Verarbeitungszeit erheblich verkürzen, erreichen aber immer noch nicht die Genauigkeit, die von Expertinnen und Experten bei dieser komplexen Aufgabe erreicht wird. TagLab ist ein KI-basiertes Open-Source-Annotationstool, das die Analyse georeferenzierter photogrammetrischer Daten beschleunigt und dabei den Menschen in den Mittelpunkt stellt. Da Überwachungskampagnen in der Regel Zeitreihendaten umfassen, integriert TagLab außerdem eine Reihe halbautomatischer Algorithmen, um die individuelle Entwicklung von Korallenriffen im Laufe der Zeit zu verfolgen.

Durch die Verringerung des Zeitaufwands für die ökologische Nachbearbeitung von Korallenriffbildern ermöglicht TagLab den Forschungsteams, immer größere Datenmengen zu verarbeiten, ohne dass mehr Personal benötigt wird, und erleichtert dadurch das Verständnis und die Vorhersage künftiger Veränderungen in den Ökosystemen der Korallenriffe. TagLab ist eine Open-Source-Softwarelösung, die technologische Unterschiede zwischen den Labors ausgleicht und gemeinsame Datenstandards und -protokolle fördert.

Thomas Höllt schaut freundlich in die Kamera, im Hintergrund sind ein Büro sowie der Blick auf eine herbstliche Landschaft zu erkennen.
Die Jury des VRVis Visual Computing Awards zeichnet Thomas Höllt (TU Delft) für seinen wichtigen Forschungsbeitrag im Bereich der visuellen Analyse von Einzelzelldaten aus.

Über Thomas Höllt

Thomas Höllt absolvierte seinen PhD an der King Abdullah University of Science and Technology, Saudi Arabien. Nach Stationen in Wien, Salt Lake City und Delft wechselte er 2017 als Assistant Professor an die Universitätsklinik Leiden, bevor er 2020 an die TU Delft zurückkehrte. Er veröffentlichte über 50 peer-reviewed Publikationen, einschließlich des Gewinnerbeitrags für den Dirk Bartz Prize for Visual Computing in Medicine im Jahr 2019. Er ist Mitglied der Eurographics Association.

Screenshot der Visual Analytics-Anwendung Cytosplore.
Screenshot aus Thomas Höllts Cytosplore-Anwendung, die HSNE (Hierarchische Stochastische Nachbarschaftseinbettung) und CyteGuide zur effektiven Erkundung großer Einzelzelldatensätze enthält.

Über die Visual Analytics-Forschungsarbeit von Thomas Höllt

In den letzten Jahren hat sich die Systembiologie durch das Aufkommen mehrerer Hochdurchsatztechniken zur Erfassung einzelner Zellen drastisch verändert. Hochdurchsatztechniken zur Erfassung einzelner Zellen ermöglichen eine detaillierte transkriptomische und proteomische
Profilierung einer großen Anzahl einzelner Zellen aus Blut- und Gewebeproben. Von groß angelegten Katalogisierungsinitiativen, wie dem Human Cell Atlas bis hin zur gezielten Erforschung der Zellzusammensetzung bei Autoimmunkrankheiten, Krebs, parasitären und viralen Infektionen wie COVID-19, und viele mehr, bietet die Einzelzellanalyse einen tiefen Einblick in das Zusammenspiel der zellulären
Funktionalität lebender Organismen. Der Umfang und die Komplexität der gewonnenen Daten erschweren jedoch die Verarbeitung und Interpretation. Bisherige Techniken versuchen eine automatische Klassifizierung von bekannten Zelltypen, zum Beispiel durch überwachtes maschinelles Lernen, doch erlauben sie nur die Identifizierung und Quantifizierung von Daten auf der Grundlage von a-priori-Wissen, nicht aber die Bildung neuer Hypothesen oder die Entdeckung bisher unbekannter Phänomene. Für die Entdeckung und Hypothesenbildung ist eine interaktive visuelle Erkundung erforderlich, die den Menschen im Zentrum der Anwendung hat und ihn aktiv mitwirken lässt.

Thomas Höllt entwickelte und implementierte mit der Hilfe seines Teams Methoden sowie vollständige, integrierte Softwaretools für die interaktive Erforschung von Einzelzelldaten. Methodische Fortschritte bei der Dimensionalitätsreduktion, wie z. B. approximiertes t-SNE und HSNE, haben es ermöglicht, die Grenzen der Skalierbarkeit nichtlinearer Ansätze des mannigfaltigen Lernens zu verschieben und damit
für die Anwendung in interaktiven visuellen Analysesystemen für groß angelegte Einzelzell-Probleme durchführbar zu machen. Durch seine visuellen Analysesysteme Cytosplore und ImaCytE brachte Thomas Höllt diese methodischen Fortschritte zu den Praktikerinnen und Praktikern sowie Forscherinnen und Forscher in der Einzelzellanalyse, wo die vorgestellten Methoden nun weit verbreitet und anerkannt sind.

Die Preisverleihung findet im Rahmen des Symposiums Visual Computing Trends 2023 statt