Seit Gründung des VRVis entwickeln wir Machine und Deep Learning-Methoden, um Radiologinnen und Radiologen in vielen diagnostischen Aufgaben im klinischen Alltag zu unterstützen. VRVis-Lösungen für die Radiologie wurden hochkarätig publiziert und patentiert, sowie erfolgreich in Produkte unserer Kundinnen und Kunden integriert. Sie beschleunigen heute bereits radiologische Workflows in Krankenhäusern weltweit.
Virtuelle Trainings-, Interventions- und Planungstools sind längst eine wichtige Arbeitsgrundlage für die Chirurgie. VRVis hat in enger Kooperation mit Chirurgen und Chirurginnen sowohl präoperative Planungstools als auch Lösungen für den intraoperativen Support für Eingriffe, z.B. in der Neurochirurgie, der Orthopädie und der Herzchirurgie, geschaffen. Dabei kombinieren wir je nach Anwendung unsere breite Expertise in der Echtzeit-Visualisierung von 3D-Bilddaten, der automatischen Bildanalyse, der Mensch-Computer-Interaktion sowie unserer AR- und VR-Erfahrung zu maßgeschneiderten Lösungen.
Viele unserer Lösungen waren im klinischen Einsatz, wurden mehrfach prämiert sowie hochkarätig publiziert.
A. Neubauer, K. Bühler, R. Wegenkittl, A. Rauchberger, and M. Rieger, "Advanced virtual corrective osteotomy," International Congress Series, vol. 1281, pp. 684–689, 2005.
Die Analyse großer Datenmengen bzw. selektierter Patientenkohorten ist längst eine der wichtigsten Ansätze in der Forschung, z.B. um grundlegende epidemiologische Vorgänge zu untersuchen, oder personalisierte Vorhersagemodelle und Behandlungsstrategien für Patientinnen und Patienten zu entwickeln. Bei der Erforschung seltener Krankheiten spielt, mangels einer größeren Anzahl an Patienten, weniger die Menge als mehr die Kombination komplexer heterogener Datensätze eine Rolle, um ein möglichst vollständiges Bild der Krankheit und ihrer molekularen, demographischen und klinischen Hintergründe zu erfassen. VRVis hat bereits mehrere Projekte umgesetzt, die Medizinerinnen und Mediziner sowie Life Scientists beispielsweise bei der Erforschung seltener Krebsarten und der stabilen statistischen Analyse von Patientenkohorten unterstützt.
Erfolgreiche Radiotherapie sowie präzise Bestrahlungsplanung sind eng miteinander verknüpft. Im Zentrum beider steht die Patientensicherheit, die durch möglichst exaktes Targeting des Tumors gewährleistet wird, um unnötige Bestrahlung und die Schädigung gesunden Gewebes zu vermeiden. Im Rahmen des interdisziplinären EU-Projekts SUMMER wurden von VRVis neue Ansätze zur Datenvisualisierung entwickelt. Durch die kombinierte Visualisierung verschiedener bildgebender Verfahren und die Möglichkeit, mit den Daten zu interagieren, wird es dem medizinischen Fachpersonal aus der Onkologie, Radiologie und Physik ermöglicht, das biologische Zielvolumen eines Tumors besser zu identifizieren und so Strahlentherapie passgenauer zu planen. SUMMER wurde auf europäischer Ebene prämiert.
"Wie der KI-Assistenzarzt entscheidet", in: Der Standard, November 2020
Zum Training von KI-Algorithmen braucht es viele Daten. Gerade Rohdaten enthalten jedoch oftmals heikle Informationen. Homomorphe Verschlüsselung bietet hier die Lösung, um sicheres Machine Learning – mit geschützten sensiblen Daten – zu ermöglichen.
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.
Eine Augmented Reality-Lösung zur Optimierung von Prozessentwicklung in Labors sowie zum Monitoring laufender Experimente unterstützt die pharmazeutische Forschung.
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.
DEXHELPP entwickelt neue Methoden zur Unterstützung der Analyse, Planung und Steuerung im Gesundheitswesen durch die Kombination von Entscheidungsanalyse, Datensicherheit, Datenmanagement, Statistik, mathematischer Modellierung, Simulation und visueller Analyse.
Visual Computing für die Medizin: Bildverarbeitungslösungen für neue Anwendungen in der Radiologie.
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.
Die Kombination von "Liquid Biopsies", maschinellen Lernverfahren und Datenvisualisierung soll eine frühere und genauere Vorhersage eines Rückfalls bei Kindern mit einer Krebserkrankung ermöglichen.
Das strategische Projekt bildet das Forschungsgruppen-übergreifende organisatorische und wissenschaftliche Zentrum für die Realisierung eines Integrative Visual Computing-Ansatzes.
Visual Computing-Techniken zur automatisierten Erkennung von Osteoporose und Osteoarthritis.
Software für die Verwendung von multimodalen Bildern in der externen Strahlentherapie.
Die Analyse, Visualisierung und Erforschung von hochdimensionalen Bildräumen sind Gegenstand des KAFus-Projekts.
Die Forscherinnen Theresa Neubauer und Silvana Zechmeister wurden für ihre Diplomarbeiten am VRVis jeweils mit einem Förderpreis der Dr. Maria Schaumayer Stiftung ausgezeichnet.
Neue KI-Methode des VRVis, die Vertrauen in computergestützte Diagnosen stärkt, erhält den eAward 2021.
Unsere VR/AR-Expertin Katharina Krösl wurde für ihre Dissertation mit dem Young Experts Award des Austrian Computer Science Day 2021 prämiert.
Am 3. März 2020 wurde Katja Bühler, Leiterin unserer Biomedical Image Informatics-Gruppe, mit dem renommierten TU-Frauenpreis ausgezeichnet.
Paper "ICthroughVR: Illuminating Cataracts through Virtual Reality" von Katharina Krösl ist auf der Konferenz IEEE Virtual Reality, die vom 23. bis 27. März 2019 in Osaka (Japan) stattfindet, für das Best Conference Paper nominiert!
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