Maschinelles Lernen in der medizinischen Bildanalyse


     Seit Februar 2021 ist Dr. Christian Baumgartner Leiter der Unabhängigen  
     Forschungsgruppe "Maschinelles Lernen in der medizinischen Bildanalyse" an
     unserem Exzellenzcluster "Maschinelles Lernen".


Forschungsschwerpunkte

Unsere Forschung konzentriert sich auf die Entwicklung von Technologien, die auf maschinellem Lernen (ML) und Computer Vision basieren, mit dem Ziel, medizinische Bilddaten genau und effizient zu analysieren.

Die ML-getriebene Analyse medizinischer Bilddaten hat das Potenzial, das Gesundheitswesen zu revolutionieren, indem sie die Qualität und Zuverlässigkeit von Diagnosen verbessert, Behandlungen personalisiert und Ärzten hilft, die Auswirkungen der zunehmend datenintensiven medizinischen Tests und einer alternden Bevölkerung einzudämmen. Um jedoch ML in reale klinische Entscheidungsfindungssysteme einfließen zu lassen, erklärbare Human-in-the-Loop-Modelle zu erstellen und den Umfang medizinischer Daten voll auszuschöpfen, muss ein grundlegenderes Verständnis für das Verhalten maschineller Lernmethoden entwickelt werden.

In unserer Forschung verfolgen wir Themen, die dazu beitragen, die Lücke zwischen klinischen Anwendungen und der Theorie des maschinellen Lernens zu schließen. Themen von besonderem Interesse sind die Unsicherheitsabschätzung, die Robustheit von Vorhersagen, die Arbeit mit spärlichen Labels und die Verwendung generativer Modellierung, um Erkenntnisse aus großen medizinischen Datensammlungen zu gewinnen.

ABBILDUNG: Safety & Uncertainty: Automated segmentation of the prostate on MR images (left) with uncertainty quantification (right) link. ML with scarce labels: Pipeline for training a segmentation network with time-efficient scribble annotations link. Interpretable ML: Detection of standard views in fetal ultrasound scans (correctly detected abdominal view shown), with a visualisation of which image regions provide evidence for this particular view link. Generative modelling: Identifying brain regions responsible for Alzheimer’s disease in brain MR images using generative adversarial networks link.


Weitere Informationen

Weitere Informationen gibt es auf Christian Baumgartner's Webseite.


Über Christian Baumgartner

Nach seiner Promotion am King's College London in der School of Biomedical Engineering & Imaging Sciences im Jahr 2016 hat Christian Baumgartner als Post-Doc bei Prof. Daniel Rueckert in der Biomedical Image Analysis Group am Imperial College London (2016-2017) an Deep-Learning-basierten Systemen für die fetale Ultraschallanalyse gearbeitet und als Post-Doc (finanziert durch das kompetitive ETH Fellowship) bei Prof. Konukoglu in der Biomedical Image Computing Group an der ETH Zürich (2017-2019). Dort verlegte sich sein Fokus auf generative Modellierung und deren Anwendung auf Themen wie Unsicherheitsabschätzung bei der Bildsegmentierung, Lernen aus knappen Daten und Rekonstruktion von Magnet-resonanzbildern. Vor seinem Beitritt zum Exzellenzcluster war er als Senior Research Engineer bei PTC Vuforia (2020-2021) tätig, mit Schwerpunkt Deep Learning und Computer Vision.


Kontakt

Dr. Christian Baumgartner
Maschinelles Lernen in der medizinischen Bildanalyse

Universität Tübingen
Exzellenzcluster "Maschinelles Lernen"

Maria-von-Linden-Str. 6, 4. OG
Raumnr. 40-7/A3
72076 Tübingen

+49 7071 2970795
christian.baumgartnerspam prevention@uni-tuebingen.de