Image Processing and Medical Imaging
Die Bildgebung und -analyse spielt eine zentrale Rolle in nahezu allen Bereichen der modernen Medizin. Die Arbeitsgruppe „Bildverarbeitung und Medizinische Bildgebung“ (IPMI, engl. „Image Processing and Medical Imaging“) steht für die Entwicklung von Methoden des maschinellen Lernens und zur automatischen Informationsverarbeitung für die bildgebende Medizin.
Unsere Schwerpunkte sind die Extraktion und Analyse von bildbasierten Surrogatparametern (Imaging Biomarker) für die optimierte Diagnostik, Therapieplanung und das Ansprechen von Therapien, die zielgerichtete Optimierung von Bildgebungsparametern, beispielsweise in der Computer- und der Magnetresonanztomographie, sowie die Entwicklung und Testung neuer Bildgebungsverfahren und -protokolle. Wir arbeiten hierzu eng mit unseren klinischen Partnern des UKE und externen Kooperationspartnern zusammen.
Zur erfolgreichen Umsetzung unserer Tätigkeitsschwerpunkte nutzen und entwickeln wir effiziente und innovative Methoden der künstlichen Intelligenz (KI) bzw. des maschinellen Lernens. Unser spezifischer Fokus liegt auf Ansätzen zum selbstüberwachten Lernen und des effizienten Lernens unter Nutzung weniger Daten und bei unsicherer Annotation der Daten. Hierüber hinaus arbeiten wir gemeinsam mit den Kliniken für Diagnostische und Interventionelle Radiologie und Neuroradiologische Diagnostik und Intervention an dem Aufbau eines zukunftsorientierten KI-Ökosystems für die UKE-Radiologie.
Publikationen des IPMI Teams
Time-resolved role of P2X4 and P2X7 during CD8+ T cell activation
Brock V, Lory N, Möckl F, Birus M, Stähler T, Woelk L, Jaeckstein M, Heeren J, Koch-Nolte F, Rissiek B, Mittrücker H, Guse A, Werner R, Diercks B
FRONT IMMUNOL. 2024;15:1258119.
Stability analysis of patient-specific 4DCT- and 4DCBCT-based correspondence models
Büttgen L, Werner R, Gauer T
MED PHYS. 2024;51(9):5890-5900.
Spatial normalization for voxel-based lesion symptom mapping: impact of registration approaches
Jühling D, Rajashekar D, Cheng B, Hilgetag C, Forkert N, Werner R
FRONT NEUROSCI-SWITZ. 2024;18:1296357.
Deep learning-based conditional inpainting for restoration of artifact-affected 4D CT images
Madesta F, Sentker T, Gauer T, Werner R
MED PHYS. 2024;51(5):3437-3454.
Monte Carlo-based simulation of virtual 3 and 4-dimensional cone-beam computed tomography from computed tomography images: An end-to-end framework and a deep learning-based speedup strategy
Madesta F, Sentker T, Rohling C, Gauer T, Schmitz R, Werner R
PHYS IMAG RADIAT ONC. 2024;32:100644.
Deep Image Prior for Spatio-temporal Fluorescence Microscopy Images: DECO-DIP
Meyer L, Woelk L, Gee C, Lohr C, Arcot Kannabiran S, Diercks B, Werner R
2024. Bildverarbeitung für die Medizin 2024. Maier A, Deserno T, Handels H, Maier-Hein K, Palm C, Tolxdorff T (Hrsg.). 1. Aufl. Springer Vieweg, 322-327.
Benchmarking machine learning-based real-time respiratory signal predictors in 4D SBRT
Wimmert L, Nielsen M, Madesta F, Gauer T, Hofmann C, Werner R
MED PHYS. 2024;51(5):3173-3183.
Impact of breathing signal-guided dose modulation on step-and-shoot 4D CT image reconstruction
Wimmert L, Schwarz A, Gauer T, Hofmann C, Dickmann J, Sentker T, Werner R
MED PHYS. 2024;51(10):7119-7126.
DARTS: an open-source Python pipeline for Ca2+ microdomain analysis in live cell imaging data
Woelk L, Kovacevic D, Husseini H, Förster F, Gerlach F, Möckl F, Altfeld M, Guse A, Diercks B, Werner R
FRONT IMMUNOL. 2024;14:1299435.
Discordant and Converting Receptor Expressions in Brain Metastases from Breast Cancer: MRI-Based Non-Invasive Receptor Status Tracking
Heitkamp A, Madesta F, Amberg S, Wahaj S, Schröder T, Bechstein M, Meyer L, Broocks G, Hanning U, Gauer T, Werner R, Fiehler J, Gellißen S, Kniep H
CANCERS. 2023;15(11):.
Label Efficient Classification in Liquid Biopsy Data by Self-supervision
Husseini H, Nielsen M, Pantel K, Wikman H, Riethdorf S, Werner R
2023. Bildverarbeitung für die Medizin 2023. Deserno T, Handels H, Maier A, Maier-Hein K, Palm C, Tolxdorff T (Hrsg.). 1. Aufl. Springer Vieweg, 261-266.
Self-Supervision for Medical Image Classification: State-of-the-Art Performance with ~100 Labeled Training Samples per Class
Nielsen M, Wenderoth L, Sentker T, Werner R
BIOENGINEERING-BASEL. 2023;10(8):.
Dose reduction in sequence scanning 4D CT imaging through respiratory signal-guided tube current modulation: A feasibility study
Schwarz A, Werner R, Wimmert L, Vornehm M, Gauer T, Hofmann C
MED PHYS. 2023;50(12):7539-7547.
Extending Tempcyclegan for Virtual Augmentation of Gastrointestinal Endoscopy Training Simulators
Wallrodt M, Schulz-Alsen M, Ehlken H, Rösch T, Schmitz R, Werner R
2023. Bildverarbeitung für die Medizin 2023. Deserno T, Handels H, Maier A, Maier-Hein K, Palm C, Tolxdorff T (Hrsg.). 1. Aufl. Springer Vieweg, 3-8.
Adhesion to laminin-1 and collagen IV induces the formation of Ca2+ microdomains that sensitize mouse T cells for activation
Weiß M, Hernandez L, Gil Montoya D, Löhndorf A, Krüger A, Kopdag M, Uebler L, Landwehr M, Nawrocki M, Huber S, Woelk L, Werner R, Failla A, Flügel A, Dupont G, Guse A, Diercks B
SCI SIGNAL. 2023;16(790):eabn9405.
Clinical application of breathing-adapted 4D CT: image quality comparison to conventional 4D CT
Werner R, Szkitsak J, Madesta F, Büttgen L, Wimmert L, Sentker T, Fietkau R, Haderlein M, Bert C, Gauer T, Hofmann C
STRAHLENTHER ONKOL. 2023;199(7):686-691.
P2X4 and P2X7 are essential players in basal T cell activity and Ca2+ signaling milliseconds after T cell activation
Brock V, Wolf I, Er-Lukowiak M, Lory N, Stähler T, Woelk L, Mittrücker H, Müller C, Koch-Nolte F, Rissiek B, Werner R, Guse A, Diercks B
SCI ADV. 2022;8(5):.
Evaluation of magnetic resonance imaging-based radiomics characteristics for differentiation of benign and malignant peripheral nerve sheath tumors in neurofibromatosis type 1
Ristow I, Madesta F, Well L, Shenas F, Wright F, Molwitz I, Farschtschi S, Bannas P, Adam G, Mautner V, Werner R, Salamon J
NEURO-ONCOLOGY. 2022;24(10):1790-1798.
Artificial intelligence in GI endoscopy: stumbling blocks, gold standards and the role of endoscopy societies
Schmitz R, Werner R, Repici A, Bisschops R, Meining A, Zornow M, Messmann H, Hassan C, Sharma P, Rösch T
GUT. 2022;71(3):451-454.
Reinforcement learning-basierte Patchpriorisierung zur beschleunigten Segmentierung von hochauflösenden Endoskopievideodaten
Schüttler S, Madesta F, Rösch T, Werner R, Schmitz R
2022. Informatik aktuell: Bildverarbeitung für die Medizin. Klaus M, Deserno T, Handels H, Maier A, Palm C, Tolxdorff T (Hrsg.). 1. Aufl. Wiesbaden: Springer Vieweg, 339-344.
Dekonvolution von Mikroskopiedaten bei niedrigem Signal-Rausch-Verhältnis
Woelk L, Diercks B, Werner R
BIOspektrum. 2022;2022(28):720-722.
Reduktion der Kalibrierungszeit für die Magnetpartikelbildgebung mittels Deep Learning
Baltruschat I, Szwargulski P, Griese F, Grosser M, Werner R, Knopp T
2021. Bildverarbeitung für die Medizin 2021 - Proceedings, German Workshop on Medical Image Computing, 2021. Palm C, Handels H, Maier-Hein K, Deserno T, Maier A, Tolxdorff T (Hrsg.). Springer Science and Business Media Deutschland GmbH, 337.
Dual NADPH oxidases DUOX1 and DUOX2 synthesize NAADP and are necessary for Ca2+ signaling during T cell activation
Gu F, Krüger A, Roggenkamp H, Alpers R, Lodygin D, Jaquet V, Möckl F, Hernandez C L, Winterberg K, Bauche A, Rosche A, Grasberger H, Kao J, Schetelig D, Werner R, Schröder K, Carty M, Bowie A, Huber S, Meier C, Mittrücker H, Heeren J, Krause K, Flügel A, Diercks B, Guse A
SCI SIGNAL. 2021;14(709):.
Spatio-temporal feature learning with reservoir computing for T-cell segmentation in live-cell Ca2+ fluorescence microscopy
Hadaeghi F, Diercks B, Schetelig D, Damicelli F, Wolf I, Werner R
SCI REP-UK. 2021;11(1):.
PAIP 2019: Liver cancer segmentation challenge
Kim Y, Jang H, Lee K, Park S, Min S, Hong C, Park J, Lee K, Kim J, Hong W, Jung H, Liu Y, Rajkumar H, Khened M, Krishnamurthi G, Yang S, Wang X, Han C, Kwak J, Ma J, Tang Z, Marami B, Zeineh J, Zhao Z, Heng P, Schmitz R, Madesta F, Rösch T, Werner R, Tian J, Puybareau E, Bovio M, Zhang X, Zhu Y, Chun S, Jeong W, Park P, Choi J
MED IMAGE ANAL. 2021;67:101854.
Single Image-Based Vignetting Correction for Improving the Consistency of Neural Activity Analysis in 2-Photon Functional Microscopy
Li D, Wang G, Werner R, Xie H, Guan J, Hilgetag C
FRONT NEUROINFORM. 2021;15:674439.
Deep Learning-Based Automated Thrombolysis in Cerebral Infarction Scoring: A Timely Proof-of-Principle Study
Nielsen M, Waldmann M, Frölich A, Flottmann F, Hristova E, Bendszus M, Seker F, Fiehler J, Sentker T, Werner R
STROKE. 2021;52(11):3497-3504.
HN1L/JPT2: A signaling protein that connects NAADP generation to Ca2+ microdomain formation
Roggenkamp H, Khansahib I, Hernandez C L, Zhang Y, Lodygin D, Krüger A, Gu F, Möckl F, Löhndorf A, Wolters V, Woike D, Rosche A, Bauche A, Schetelig D, Werner R, Schlüter H, Failla A, Meier C, Fliegert R, Walseth T, Flügel A, Diercks B, Guse A
SCI SIGNAL. 2021;14(675):.
Multi-scale fully convolutional neural networks for histopathology image segmentation: From nuclear aberrations to the global tissue architecture
Schmitz R, Madesta F, Nielsen M, Krause J, Steurer S, Werner R, Rösch T
MED IMAGE ANAL. 2021;70:101996.
First clinical evaluation of breathing controlled four-dimensional computed tomography imaging
Szkitsak J, Werner R, Fernolendt S, Schwarz A, Ott O, Fietkau R, Hofmann C, Bert C
PHYS IMAG RADIAT ONC. 2021;20:56-61.
Comparison of intelligent 4D CT sequence scanning and conventional spiral 4D CT: a first comprehensive phantom study
Werner R, Szkitsak J, Sentker T, Madesta F, Schwarz A, Fernolendt S, Vornehm M, Gauer T, Bert C, Hofmann C
PHYS MED BIOL. 2021;66(1):.
Time-Dependent Image Restoration of Low-SNR Live-Cell Ca2+ Fluorescence Microscopy Data
Woelk L, Kannabiran S, Brock V, Gee C, Lohr C, Guse A, Diercks B, Werner R
INT J MOL SCI. 2021;22:.
3d-SMRnet: Achieving a New Quality of MPI System Matrix Recovery by Deep Learning
Baltruschat I, Szwargulski P, Griese F, Grosser M, Werner R, Knopp T
2020. Medical Image Computing and Computer Assisted Intervention – MICCAI 2020. 1. Aufl. Springer Nature Switzerland, 74-82.
Skin lesion classification using ensembles of multi-resolution EfficientNets with meta data
Gessert N, Nielsen M, Shaikh M, Werner R, Schlaefer A
METHODSX. 2020;7(7):100864.
Skin Lesion Classification Using CNNs with Patch-Based Attention and Diagnosis-Guided Loss Weighting
Gessert N, Sentker T, Madesta F, Schmitz R, Kniep H, Baltruschat I, Werner R, Schlaefer A
IEEE T BIO-MED ENG. 2020;67(2):495-503.
Reservoir Computing for Jurkat T-cell Segmentation in High Resolution Live Cell Ca2+ Fluorescence Microscopy
Hadäghi F, Diercks B, Wolf I, Werner R
Proc IEEE ISBI 2020. 2020;(1):1587-1591.
Widening the Focus: Biomedical Image Segmentation Challenges and the Underestimated Role of Patch Sampling and Inference Strategies
Madesta F, Schmitz R, Rösch T, Werner R
2020. MICCAI 2020. 1. Aufl. Springer Nature Switzerland, 289-298.
Self-contained deep learning-based boosting of 4D cone-beam CT reconstruction
Madesta F, Sentker T, Gauer T, Werner R
MED PHYS. 2020;47(11):5619-5631.
Time Matters: Handling Spatio-Temporal Perfusion Information for Automated TICI Scoring
Nielsen M, Waldmann M, Sentker T, Frölich A, Fiehler J, Werner R
2020. MICCAI 2020. 1. Aufl. Springer Nature Switzerland, 86-96.
Technological quality requirements for stereotactic radiotherapy: Expert review group consensus from the DGMP Working Group for Physics and Technology in Stereotactic Radiotherapy
Schmitt D, Blanck O, Gauer T, Fix M, Brunner T, Fleckenstein J, Loutfi-Krauss B, Manser P, Werner R, Wilhelm M, Baus W, Moustakis C
STRAHLENTHER ONKOL. 2020;196(5):421-443.
Künstliche Intelligenz in der Endoskopie: Neuronale Netze und maschinelles Sehen – Techniken und Perspektiven (reprint Z Gastroenterol 2019; 57(06): 767-780)
Schmitz R, Werner R, Rösch T
Endo-Praxis. 2020;2020(36):30-43.
4D CT image artifacts affect local control in SBRT of lung and liver metastases
Sentker T, Schmidt V, Ozga A, Petersen C, Madesta F, Hofmann C, Werner R, Gauer T
RADIOTHER ONCOL. 2020;148:229-234.
Combining Direct 3D Volume Rendering and Magnetic Particle Imaging to Advance Radiation-Free Real-Time 3D Guidance of Vascular Interventions
Weller D, Salamon J, Frölich A, Möddel M, Knopp T, Werner R
CARDIOVASC INTER RAD. 2020;43(2):322-330.
Digital Health meets Hamburg integrated medical degree program iMED: Concept and introduction of the new interdisciplinary 2nd track Digital Health
Werner R, Henningsen M, Schmitz R, Guse A, Augustin M, Gauer T
GMS J MED EDU. 2020;37(6):Doc61.
Künstliche Intelligenz in der Medizin
Werner R, Schmitz R
2020. Digitale Medizin. Matusiewicz D, Henningsen M, Ehlers J (Hrsg.). 1. Aufl. Medizinisch Wissenschaftliche Verlagsgesellschaft, 125-138.
Intelligent 4D CT sequence scanning (i4DCT): First scanner prototype implementation and phantom measurements of automated breathing signal-guided 4D CT
Werner R, Sentker T, Madesta F, Schwarz A, Vornehm M, Gauer T, Hofmann C
MED PHYS. 2020;47(6):2408-2412.
Wrestling the Devil of Wasting Time: MPI System Matrix Recovery by Deep Learning
Baltruschat I, Griese F, Szwargulski P, Werner R, Knopp T
2019. 9th International Workschop on Magnetic Particle Imaging (IWMPI 2018) . 1. Aufl. Infinite Science Publishing, .
Combining Good Old Random Forest and DeepLabv3+ for ISLES 2018 CT-Based Stroke Segmentation
Böhme L, Madesta F, Sentker T, Werner R
2019. Brainlesion: Glioma, Multiple Sclerosis, Stroke and Traumatic Brain Injuries. 1. Aufl. Springer, 335-342.
High-Resolution Calcium Imaging Method for Local Calcium Signaling
Diercks B, Werner R, Schetelig D, Wolf I, Guse A
2019. Calcium-Binding Proteins of the EF-Hand Superfamily. 1. Aufl. Humana Press, 27-39.
MRI-based field of view selection for precise, real-time targeting in MPI
Griese F, Prieske M, Möddel M, Werner R, Knopp T
2019. 9th International Workshop on Magnetic Particle Imaging (IWMPI 2019). 207-208.
Radiomics of Brain MRI: Utility in Prediction of Metastatic Tumor Type
Kniep H, Madesta F, Schneider T, Hanning U, Schönfeld M, Schön G, Fiehler J, Gauer T, Werner R, Gellissen S
RADIOLOGY. 2019;290(2):479-487.
Discrimination of the hierarchical structure of cortical layers in 2-photon microscopy data by combined unsupervised and supervised machine learning
Li D, Zavaglia M, Wang G, Xie H, Hu Y, Werner R, Guan J, Hilgetag C
SCI REP-UK. 2019;9(1):7424.
Self-consistent deep learning-based boosting of 4D cone-beam computed tomography reconstruction
Madesta F, Gauer T, Sentker T, Werner R
2019. Medical Imaging 2019: Image Processing. 1. Aufl. SPIE , 1094902.
Machbarkeitsstudie zur CNN-basierten Identifikation und TICI-Klassifizierung zerebraler ischämischer Infarkte in DSA-Daten
Nielsen M, Waldmann M, Frölich A, Fiehler J, Werner R
2019. Bildverarbeitung für die Medizin 2019. 1. Aufl. Springer Vieweg, 200-205.
Künstliche Intelligenz in der Endoskopie: Neuronale Netze und maschinelles Sehen – Techniken und Perspektiven
Schmitz R, Werner R, Rösch T
Z GASTROENTEROL. 2019;57(6):767-780.
Patient-specific 4D Monte Carlo dose accumulation using correspondence-model-based motion prediction
Sentker T, Madesta F, Werner R
2019. Medical Imaging 2019: Image-Guided Procedures, Robotic Interventions, and Modeling. Fei B, Linte C (Hrsg.). 1. Aufl. SPIE , 1095109.
Intelligent 4D CT sequence scanning (i4DCT): Concept and performance evaluation
Werner R, Sentker T, Madesta F, Gauer T, Hofmann C
MED PHYS. 2019;46(8):3462-3474.
Toward employing the full potential of magnetic particle imaging: exploring visualization techniques and clinical use cases for real-time 3D vascular imaging
Werner R, Weller D, Salamon J, Möddel M, Knopp T
2019. Medical Imaging 2019: Biomedical Applications in Molecular, Structural, and Functional Imaging. 1. Aufl. SPIE , 109531V.
Letzte Aktualisierung aus dem FIS: 21.12.2024 - 23:32 Uhr