Hiwistellen

Student Assistant: Mesh generation with machine learning
Task: Extension of Shrinkingtubemesh-generation (as illustrated below) with machine learning. The current version was written in matlab and is only suitable for cylinder-like structures, for example vessels. The program should be adjusted to fit a wider variation of shapes.
Subtasks: The task can be solved in two ways: using classical machine learning or with deep learning.
- Option 1: Maschine Learning
- including development of a range of suitable startshapes, definition of point cloud features for machine learning, generation of a Testdatabase, usage of Machine Learning to predict a suitable startshape and shrinkingtubemesh-algorithm parameter for a given pointcloud .
- Option 2: Deep Learning: Generate startshapes (simple, roughly the pointcloud describing meshes) using deep learning (for example using a pointcloud to mesh approach like AtlasNet); use these startshapes for the shrinkingtubemesh generation and compare to other mesh generation approaches .
Requirements: Knowledge of Python (Pytorch) and Matlab; Experience in Machine Learning/Deep Learning
We expect high-qualified students interested in this project (hiwi job / student assistant or team projects, bachelor or master thesis). Please send your application!
Contact Dr. Sylvia Saalfeld and Annika Niemann


Student Assistant / Hiwi
We need you for our brain tumor segmentation project!
We want to support our clinical cooperation partners from the University Hospital in Magdeburg. You will work with real medical data sets and you should develop a Deep Learning-based solution.
Advantages: we have a Deep Learning server for remote work and the clinicians already provide sufficient ground truth data, so the data augmentation will be possible in feasible time.
We expect high-qualified students interested in this project (hiwi job / student assistant or team projects, bachelor or master thesis). Please send your application!
Contact Dr. Sylvia Saalfeld and Georg Hille
Ausschreibung Studentische Hilfskraft
Wir suchen eine studentische Hilfskraft für die Tätigkeit umfasst eine monatliche Arbeitszeit von mind. 20 Stunden.
Einstellungsvoraussetzungen:
- Gute Kenntnisse in digitaler Bildverarbeitung inbesondere Bildregistrierung,
- Erfahrung im Umgang mit Matlab oder Python, ggf. Erfahrung mit MeVisLab,
- Sehr hohe Motivation,
- Engagement und Teamfähigkeit,
- Strukturiertes und organisiertes Arbeiten

Deine Aufgaben:
- Entwicklung einer Applikation (z.B. in MeVisLab) zur Registrierung von verschiedenen interventionellen MRT-Bilddatensätzen für die Leber
- Entwicklung einer Applikation zur Registrierung von histologischen Schnitten zu den individuellen MRT-Datensätzen derselben Leber

Wir bieten Dir
- Eine langfristige Anstellungsmöglichkeit mit flexiblen Arbeitszeiten
- Spannendes Aufgabenfeld mit ausreichender Einarbeitungszeit
- Bis auf regelmäßige Team-Treffen an der MHH kannst du von überall aus arbeiten
Anforderungen: Programmiererfahrung in C++ (VTK-Kenntnisse hilfreich) oder MATLAB
Kontakt: Dr. Sylvia Saalfeld
Ausschreibung Studentische Hilfskraft
Wir suchen eine studentische Hilfskraft für die mediznische Visualisierung. Das Anwendungsgebiet sind hier vor allem Aneurysmen des Gehirns. Das sind sackartige, krankhafte Erweiterungen der Blutgefäße welche platzen können und daher möglichst gut untersucht werden müssen. Es gibt verschiedene Aufgaben, z.B. die Visualisierung von künstlich simuliertem Blutfluss oder auch die Darstellung der Aneurysmenwand. Wir haben aber auch die Möglichkeit neue intravaskuläre Bildgebungsmethoden auszuwerten, die höhere Auflösungen als MRT und CT aufweisen. Voraussetzung sind gute Programmierkenntnisse (C++ oder Matlab). Bereits bestehende Erfahrungen mit MeVisLab und VMTK sind hilfreich, aber keine Pflicht.
Anforderungen: Programmiererfahrung in C++ (VTK-Kenntnisse hilfreich) oder MATLAB
Kontakt: Dr. Sylvia Saalfeld
Ausschreibung Studentische Hilfskraft
Wir suchen eine studentische Hilfskraft, die vorhandene Methoden zur Klassifikation von Aneurysmen anpasst, um diese automatisch auf einer großen Menge von Datensätzen anzuwenden. Aneurysmen sind abnormale Erweiterungen von Gefäßwänden, die platzen können, was zu schwerwiegenden Folgen für den Patienten führen kann. Um eine optimale Behandlungsstrategie zu finden, müssen zahlreiche Parameter von Aneurysmen untersucht werden. Wir haben mehrere Methoden entwickelt, um diese Parameter automatisch für einzelne Datensätze zu berechnen. Das Ziel ist es unsere Methoden auch auf externe Datenbanken von Aneurysmendatensätzen anzuwenden, um eine verbesserte Analyse dieser zu ermöglichen. Dafür müssen bestimmte Aspekte unserer Methoden angepasst werden. Voraussetzung sind gute Programmierkenntnisse (C# oder C++). Bereits bestehende Erfahrungen mit MATLAB und VTK sind hilfreich, aber keine Pflicht.
Anforderungen: Programmiererfahrung in C# oder C++ (MATLAB und VTK-Kenntnisse hilfreich)
Kontakt: M.Sc. Monique Meuschke


Falls darüber hinaus Interesse an einer Hiwi-Tätigkeit in unserer Arbeitsgruppe Visualisierung besteht, so können ggf. auch Themen unter:

als Hiwi bearbeitet werden. Dazu sollten einfach die angegebenen wissenschaftlichen Mitarbeiter kontaktiert werden.