Bachelor and Master Theses

Hier finden Sie ein Übersicht über laufende Masterarbeiten sowie noch zu bearbeitende Masterthemen in der AG Visualisierung. Die unten genannten Themen sind so konzipiert, dass sie auch mit einem wissenschaftlichen Teamprojekt bzw. einem wissenschaftlichen Individualprojekt kombiniert werden können:

Themen in Magdeburg

  • Master Thesis: Deep Learning Based Segmentation Task of medical CT-Images based on advanced Preprocessing

    Current state:

    The chances of success of tumor treatment are highly dependent on the patient’s physical condition. In everyday clinical practice, the patient’s BMI is calculated for this purpose. However, this is a rather inaccurate measure, since the distribution of muscle to fat tissue is a decisive indicator. For a more accurate evaluation, the patient’s CT images must be evaluated. However, this is a time-consuming task.

    Scope of the thesis:

    This work is intended to address the problem. Currently, data are being acquired in clinical practice and segmented by experts. These are CT data sets in which muscle and fur tissues were segmented in one layer. Your task is to create an automatic segmentation using Deep Learning methods. Subsequently, the segmented regions are to be evaluated with the help of a measure. The explicitly mentioned preprocessing step is to split the given segmentation (symmetry of the body) to provide more data to the network during the learning process. An optional extension would be the automatic selection of the layer in which the evaluation should take place.

    We offer:

    • interesting clinically relevant research
    • support in technical questions and writing of the thesis

    We expect:

    • good programming skills (Python)
    • knowledge of image processing
    • experience with Deep Learning and frameworks (Pytorch, Tensorflow, Keras)
    • good study achievements
  • 3D Deep learning for wall shear stress prediction of intracranial aneurysms

    Wall shear stress is a parameter derived from hemodynamic simulation and can be used in the diagnosis of intracranial aneurysms. We want to train a neural net to predict areas of high wall shear stress in intracranial aneurysms. This is a research oriented topic. Beside familiarization with recent research in deep learning on 3d structures it requires initiative and own ideas to advance the ongoing research.
    Material: surface meshes of (artificial) aneurysms and results of hemodynamic simulations
    Requirements: Programming experience (python), Experience with deep learning We expect high-qualified students interested in this project (team projects, bachelor or master thesis. Please send your application!

  • Master Thesis: Bridging the Domain Gap: Visualization Support for Transfer Learning on Time Series Data

    End-of-line testing is an essential step in the production process to validate the functionality of units near the end of the production line. Defective products or those not matching manufacturing tolerances must be rejected before the products are shipped. To shorten production cycles, automatic testing increasingly replaces manual inspection performed by human operators. A unit under test is exposed to a stimulus and its response is recorded by different sensors. The resulting multivariate time signals are analyzed for defect identification and classification.
    The goal is to bridge the domain gap between simulated and measured unit responses, such that a classification algorithm learned on simulation data can be applied to new (unlabeled) real-world data from sensor measurements. The units under test are electric motors, whose current dt. Strom signals are to be used for a defect classification. The transfer learning problem is characterized by a shift in the input domain (i.e. simulated vs. measured signals of the same motor) while the analysis task remains the same (i.e. classify the defect). The data are multivariate time series that are simulated/measured across various operating conditions. For defect-free motors, both simulated and corresponding measured signals are available. For defective motors, however, only simulated time series with corresponding defect labels are available. The lack of real-world training data for defective motors raises the need to learn from the simulated data a well-performing classifier that can be applied to real-word measurements.

  • Interactive VR Visualization to Assess the Collision Probability with Space Debris (joint topic with the German Aerospace Center)

    Description: The increasing amount of space debris in earth orbit poses a growing threat to space travel. Therefore, it is very important to know where space debris is located in orbit and whether there is a possibility of collisions with satellites or space crafts in operation.
    The goal is to develop a VR software that visualizes orbital objects. The prototype should facilitate the evaluation of possible collisions of objects and support the decision whether, for example, a course correction of a satellite is necessary. However, the determination of the position of objects in orbit is associated with uncertainties. Various influences on objects in Earth orbit, such as the interaction with the atmosphere or variations in the gravitational field, lead to a deviation between the actual position and the position calculated from the observation data.

    Tasks:

    • Research on existing debris visualizations and satellite propagation
    • Implementation of a real-time visualization of debris positions and collision probabilities of objects in orbit
    • Development of methods for the targeted, user-guided interactive analysis of space situations

    Requirements:

    • Study of computer science or comparable fields of study
    • Knowledge of computer graphics
    • Experience with software development in Unity/C#
  • Master Thesis: Mesh generation with machine learning

    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!

  • DL Segmentation of Meningiomas

    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!

  • Klinische Entscheidungsunterstützung für die Therapie zerebraler Aneurysmen

    Bei der klinischen Entscheidungsfindung werden klinische Richtlinien herangezogen, die auf Evidenzen basieren und Empfehlungen eines Gremiums von Experten beinhalten. Einige der Richtlinien sind auf logischen „Wenn-dann“-Regeln und komplexeren, mehrstufige Regeln aufgebaut. Obwohl diese Regeln als Algorithmus zur Entscheidungsunterstützung formalisiert werden können, liegen die Richtlinien zumeist nur in Textform vor und müssen für die klinische Routine in übersichtliche Handlungsempfehlungen „übersetzt“ werden. Innerhalb der Arbeit soll ein durch Ärzte bedienbarer Prototyp entwickelt werden, der die „Übersetzung“ einer klinischen Richtlinie in einen Algorithmus zur Entscheidungsunterstützung ermöglicht.

    Anforderungen: Gute bis sehr gute Programmierkenntnisse

  • Interactive Blood Flow Exploration – In collaboration with Dept. of Neurology, OVGU and Inria, France

    In cerebral aneurysm research, CFD simulations allow us to gain a better understanding of the dynamics of the blood flow. The simulated flow is often visualized using integral curves resulting in cluttered “spaghetti plots”. Advanced approaches group similar curves and show only selected representatives (image). These approaches however, fail in showing the clusters’ spatial extent. In this thesis, an interactive approach facilitating a continuous transition between the full set of integral curves and an uncluttered abstracted visualization shall be developed. Browsing back and forth through various levels of abstraction shall allow the user to grasp both, the general structure of the blood flow pattern as well as the spatial extent of individual substructures.

    Requirements: Good to very good programming skills (C++) are mandatory

  • Detektion von Aneurysmen mit Deep Learning

    Im Rahmen aktueller Forschungsprojekte werden Aneurysmen und ihre Durchblutung untersucht. Dabei besitzt ein Patient häufig multiple Aneurysmen, welche erst in 3D Bilddaten detektiert werden können. Ziel des Projekts ist der Einsatz von Deep Learning Techniken zur automatischen Aneurysmadetektion basierend auf einer annotierten Trainingsdatenbank. Die Aufgabe eignet sich als Teamprojekt, kann aber auch für eine Hiwistelle oder Abschlussarbeit angepasst werden.

    Anforderungen: Gute bis sehr gute Programmierkenntnisse (Python / Matlab) sind erforderlich

  • 3D-Stereoverfahren für die Herzchirurgie

    Im Rahmen der Arbeit sollen Stereoverfahren für die 3D-Rekonstruktion von Strukturen aus intraoperativen Endoskopiebildern entwickelt werden. Die Arbeit wird in enger Kooperation zwischen der Fakultät Informatik der OvGU Magdeburg (Dr. Sandy Engelhardt) und der Herzchirurgie des Universitätsklinikums Heidelberg (Prof. De Simone) durchgeführt. Weitere Themen für Abschlussarbeiten sind vorhanden. Melden Sie sich gern bei Interesse.

    Aufgaben

    • Meshing einer rekonstruierten 3D-Punktewolke
    • Texturierung der Oberfläche
    • Fusion von verschiedenen Ansichten zu einem Mesh

    Anforderungen: Programmiererfahrung in C++ (OpenCV- Kenntnisse hilfreich)

  • Medizinische Ausbildung in der virtuellen Realität

    Die immersive Wirkung der HTC Vive bietet ein großes Potenzial bei der Exploration medizinischer Objekte. Dieses Potential soll in dieser Masterarbeit genutzt werden, um Medizinstudierende zu unterstützen. Anstatt Namen und die Funktionsweise verschiedener Strukturen auf traditionelle Weise zu lernen, soll eine interaktive, virtuelle Lernumgebung geschaffen werden.

    Aufgaben

    • Erarbeitung eines medizinischen Lernszenarios
    • Einbettung dieses Szenarios in eine interaktive, virtuelle Welt
    • Geeignete Evaluierung des implementierten Prototyps

    Anforderungen: Erfahrung in C# und Unity 

  • Kollaboratives Arbeiten in der Medizinausbildung mit der HTC Vive und dem zSpace

    Das zSpace und die HTC Vive bieten durch ihre (semi-)immersive Ein- und Ausgabemethoden die Möglichkeit auf neue Weise mit virtuellen Objekten zu interagieren. Diese Möglichkeit soll genutzt werden, um eine Schüler-Lehrer-Szenario mithilfe beider Geräte umzusetzen.

    Aufgaben

    • Erarbeitung eines medizinischen Leitszenarios
    • Implementierung eines Prototyps der das gleichzeitige Arbeiten an medizinischen Strukturen mit der HTC Vive und dem zSpace ermöglicht
    • Geeignete Evaluierung des implementierten Prototyps

    Anforderungen: Erfahrung in C# und Unity 

     

  • Master-Arbeit: Skizzenbasierte Kartenprojektion für zerebrale Aneurysmen

    Zerebrale Aneurysmen sind pathologische Aussackungen der Gefäßwand, welche meistens an den Bifurkationen der großen Hirnarterien auftreten. Die Gefäßwand besitzt an diesen Stellen ein hohes Rupturisiko, was zu starken inneren Blutungen führt und in 60 % der Fälle den Tod des Patienten zur Folge hat. Daher ist eine patientenspezifische Einschätzung des Rupturrisikos nötig. Jedoch hängt die Ruptur von zahlreichen Kriterien ab, deren Zusammenhänge bisher nicht ausreichend verstanden sind. Blutflusssimulationen helfen dabei das patientenspezifische Rupturrisiko zu analysieren. Jedoch handelt es sich dabei um sehr komplexe Daten, was deren Auswertung enorm erschwert. Mit Hilfe von Standardtechniken wie Farbkodierungen und Animationen in 3D versuchen Experten rupturgefährdete Gefäßregionen ausfindig zu machen. Auftretende Verdeckungen machen es jedoch nahezu unmöglich über die Zeit Hochrisikoregionen zu finden. 2D Projektionen der 3D Gefäßgeometrie werden häufig eingesetzt, um verdeckungsfreie Überblicksvisualisierungen zu erzeugen. Jedoch führen derartige Projektionen zu Verzerrungen, die die Datenanalyse erschweren.

    Ziel: Skizzenbasierte Katenprojektion für zerebrale Aneurysmen, die die verdeckungsfreie Darstellung des Aneurysmas und benachbarter Gefäße erlaubt

    Anforderungen: Programmiererfahrung in C# oder C++ (VTK- und Matlab-Kenntnisse hilfreich) 

  • Evaluierung von Kartenprojektionen für zerebrale Aneurysmen

    Zerebrale Aneurysmen sind pathologische Aussackungen der Gefäßwand, welche meistens an den Bifurkationen der großen Hirnarterien auftreten. Die Gefäßwand besitzt an diesen Stellen ein hohes Rupturisiko, was zu starken inneren Blutungen führt und in 60 % der Fälle den Tod des Patienten zur Folge hat. Blutflusssimulationen helfen dabei das patientenspezifische Rupturrisiko zu analysieren. Jedoch handelt es sich dabei um sehr komplexe Daten, was deren Auswertung enorm erschwert. Mit Hilfe von Standardtechniken wie Farbkodierungen und Animationen in 3D versuchen Experten rupturgefährdete Gefäßregionen ausfindig zu machen. Auftretende Verdeckungen machen es jedoch nahezu unmöglich über die Zeit Hochrisikoregionen zu finden.

    Ziel: Evaluation verschiedene Projektionstechniken für eine eine verdeckunsfreie Darstellung des Gefäßes

    Anforderungen: Programmiererfahrung in C# oder C++ (VTK- und Matlab-Kenntnisse hilfreich) 

  • Master-Arbeit: Evaluierung von Glättungsverfahren für Vektorfelder gemessener Blutflussdaten

    Die patientenspezifische Hämodynamik spielt eine zentrale Rolle in der Entwicklung und dem Voranschreiten kardiovaskulärer Krankheiten. Informationen über die patientenspezifische Hämodynamik können nicht invasiv mit Hilfe der 4D Phasen-Kontrast-Magnet-Resonanz Bildgebung aufgenommen werden.Ein Nachteil gemessener Flussdaten ist ihre Anfälligkeit gegenüber Rauschen, was die weitere Analyse erschwert.

    Ziel: Quantitative und qualitative Evaluation der Eignung verschiedener Glättungsverfahren für gemessene Flussdaten

    Anforderungen: Programmiererfahrung in C# oder C++ (VTK- und Matlab-Kenntnisse hilfreich) 

  • Exploration von Clustering-Ergebnissen in zerebralen Aneurysmen

    Zerebrale Aneurysmen sind pathologische Aussackungen der Gefäßwand, welche meistens an den Bifurkationen der großen Hirnarterien auftreten. Die Gefäßwand besitzt an diesen Stellen ein hohes Rupturisiko, was zu starken inneren Blutungen führt und in 60 % der Fälle den Tod des Patienten zur Folge hat. Neben morphologischen Aspekten werden bestimmte Blutflussmuster, wie Verwirbelungen mit einem erhöhten Rupturrisiko in Verbindung gebracht. Um den Einfluss von Verwirbelungen auf die Gefäßwand zu verstehen, müssen diese angemessen visualisiert und exploriert werden können. Eine Möglichkeit der Flussvisualisierung ist die Darstellung des gemessenen oder simulierten Vektorfeldes durch Integrallinien. Das Anzeigen aller Integrallinien führt jedoch zu visuellen Überlagerungen, wodurch die Exploration von zeitlich und/oder räumlich dicht zusammenliegenden Verwirbelungen erschwert wird. Daher wurden Clustering-Methoden entwickelt, die die Integrallinien zu Gruppen zusammenfassen.

    Ziel: Eine stufenweise Visualisierung und Exploration dieser Gruppen

    Anforderungen: Programmiererfahrung in C# oder C++ (VTK- und Matlab-Kenntnisse hilfreich) 

  • Unsicherheitsvisualisierung von Blutflussdaten

    Für die Rupturvorhersage von zerebralen Aneurysmen wird mittels computational fluid dynamics simulation (CFD) das Blutflussverhalten simuliert. Dieses kann dann z.B. mit Streamlines visualisiert werden.
    Bei der CFD Simulationen gibt es dennoch einige Parametervariationen, so dass das Ergebnis mit einer gewissen Unsicherheit behaftet ist. Um die Variation abschätzen zu können, werden Ensemble Simulations durchgeführt, womit statt eines skalaren Wertes, Intervalle für bestimmte Parameter extrahiert werden können.

    Ziel: Eine Visualisierung der Unsicherheit der Parameter mittels Techniken der Uncertainty Visualization

    Anforderungen: Programmiererfahrung in C++ (VTK-Kenntnisse hilfreich) 

  • Visual Analytics of Intracranial Aneurysm Classification & Similarity Matching

    Intracranial aneurysms are pathologic dilations of the intracranial vessel wall. They bear the risk of rupture and thus subarachnoidal hemorrhages with often fatal consequences for the patient. Since treatment may cause severe complications as well, substantial research was carried out to characterize the patient-specific rupture risk based on various morphological and hemodynamic parameters. Clinicians often adapt their treatment decisions by analyzing similar pathologies and conditions with respect to their treatment outcome. For this purpose, we provide a reference database (serving as our training data set). The goal is to identify the most similar reference cases for a new aneurysm. The similarity comprises various factors, e.g. location of the aneurysm, size or previously extracted shape parametres.
    Questions: 1) Given an aneurysm of interest, which are the k most similar aneurysms from the training set (i.e. the reference database)? 2) How much more similar is an aneurysm of interest to its most/second-most/etc. similar aneurysm from the training set in comparison with the average similarity towards an arbitrary aneurysm? 3) How does similarity change when the value of feature F is altered to x?
    Similarity calculation is dependent on the feature space. There should be two options for selecting an appropriate feature space: a) Supervised feature selection using a target variable (rupture status, course of treatment, …). Example: Correlation-based feature selection, b) Expert input. The medical expert (radiologist) selects a set of relevant features based on his knowledge.
    The proposed Visual Analytics system should contain the following components: i) a G U I for comparing aneurysms based on the most important parameters and similarity as described above, ii) input panels for similarity calculations, iii) a radar chart like visualization for juxtaposing 2 or more aneurysms w.r.t. a set of features, iv) further components upon consultation.

    Prerequisites

    • Experience with R (preferred), Python or MATLAB
    • Working knowledge of data mining
  • Bachelor-/Master-Arbeit: Analyse und Visualisierung von Pflanzensamen

    Am Leibnitz-Institut für Pflanzengenetik und Kulturpflanzenforschung (IPK) in Gatersleben, werden Metabolismus und Morphologie von Pflanzensamen mit Hilfe nicht-invasiver bildgebender Techniken, wie z.B. Computertomographie, untersucht. Ziel ist es, die Architektur des Samens und seine Wachstumskontrolle besser zu verstehen.
    Die studentische Arbeit besteht aus einem Bildanalyse- und einem Visualisierungsteil. In Ersterem soll die 3D-Verteilung von Zellen des Samens in Form und Größe auf Grundlage eines CT-Datensatzes quantifiziert werden. Dazu ist eine Detektion der Zellen notwendig. Weiterhin ist der Samen in mehrere Kompartimente aufgeteilt. Das Signal aus der Bildgebung ist über die Kompartimente aber sehr ähnlich, so dass die Anordnung der Zellen oder ein Modell des Samens für Abgrenzung der Kompartimente nötig sind.
    Im zweiten Teil der Arbeit sollen die Zellen und Kompartimente in 3D visualisiert werden. Traditionell sind hierbei Verdeckungsprobleme zu berücksichtigen. Weiterhin ist die Größe der Daten beträchtlich (1430x1360x1517 Schichten), so dass effiziente Renderingtechniken nötig sind.
    Die Bearbeitung des Themas erfolgt in enger Kooperation mit dem IPK Gatersleben und ist in einem Forschungsprojekt angesiedelt.

    Literatur: Verboven et al.: „Void space inside the developing seed of Brassica napus and the modelling of its function”. New Phytol. 2013 September; 199(4): 936–947.

  • Visualisierung von Clusteringergebnissen in Blutflußdaten

    In der Arbeitsgruppe Visualisierung werden Techniken für die Visualisierung und Analyse von Blutflußdaten, im Besonderen von zerebralen Aneurysmen, entwickelt. Eine Möglichkeit der Flussvisualisierung ist die Darstellung des gemessenen oder simulierten Vektorfeldes durch Stromlinien. Bei einer ausreichend detaillierten Abtastung des Flusses führt dies jedoch zu einer sehr großen Anzahl von Stromlinien (>2000) und somit zu einer schwer interpretierbaren Visualisierung. So sind Flussstrukturen im Gefäßinneren nicht erkennbar. In der Arbeitsgruppe wurden daher Techniken für die Clusteranalyse von Stromlinien entwickelt. Ziel dieser Techniken ist es ähnliche Stromlinien in Gruppen zusammenzufassen. Im Rahmen der Masterarbeit sollen diese Gruppen in der Visualisierung durch einen oder mehrere aussagekräftige Repräsentanten ersetzen werden. Ein Repräsentant beschreibt das zugehörige Cluster hinreichend, sowohl bezüglich der Geometrie der enthaltenen Stromlinien als auch bezüglich ihrer Attribute, wie Geschwindigkeit oder Druck.

    Anforderungen

    • Eigenständige Einarbeitung in neues Themengebiet
    • Programmiererfahrung in C++ (und VTK)

Masterthemen beim Fraunhofer MEVIS in Bremen

Fraunhofer MEVIS Bremen ist ein außeruniversitäres Forschungszentrum, das sich in enger Zusammenarbeit mit Radiologen und anderen Ärzten (vor allem Chirurgen) der bildbasierten Diagnostik und Therapieplanung widmet. MeVis wurde 1995 gegründet und beschäftigt etwa 35 Mitarbeiter, überwiegend Naturwissenschaftler, Mathematiker und Informatiker sowie einen Facharzt für Radiologie.

    Masterthemen bei Siemens

    Folgende Themen werden bei Siemens angeboten:

    • Effiziente Visualisierung von Blutgefäßbäumen mit Hervorhebung pathologischer Bereiche

      Erkrankungen des Blutkreislaufs gehören zu den am weitesten verbreiteten Krankheiten in Industrienationen. So starben alleine in Deutschland im Jahr 2001 insgesamt 290.000 Personen an Erkrankungen des Herz-Kreislauf-Systems. Zuverlässige Diagnosesysteme und eine Verbesserung bestehender Verfahren sind daher von großer Bedeutung. Eine zentrale Aufgabe stellt hierbei eine geeignete Visualisierung des segmentierten Blutflußbaums beziehungsweise einzelner, erkrankter Abschnitte der Blutgefäße dar.

      Diese Diplom-/Masterarbeit ist Teil eines Projekts zur vollautomatischen Segmentierung und Interpretation des arteriellen Gefäßbaums. Hierzu werden Verfahren entwickelt um unter Verwendung von anatomischen Hintergrundwissen, das in einem Referenzmodell abgelegt ist, den Gefäßbaum zu segmentieren. Anschließend soll die Diagnose durch geeignete Interpretation der Segmentierung optimal unterstützt werden. Die Grundlage des Systems sind dabei CT-Bilder, in denen Gefäße durch Kontrastmittel von umgebendem Gewebe hervorgehoben dargestellt werden.

      Der Aufgabenbereich dieser Diplom-/Masterarbeit umfasst folgende Punkte:

      • Effiziente Erzeugung eines Oberflächennetzes aus einem Graphen bestehend aus Gefäßmittelpunkten und zugehörigen Konturen
      • 3D Visualisierung des Oberflächennetzes mit Hervorhebung der Abweichungen zwischen Segmentierung und Referenzmodell
      • Visualisierung pathologischer Bereiche, wie Stenosen, Aneurysmen und Kalzifikationen

      Voraussetzung für eine erfolgreiche Durchführung der Arbeit sind Kenntnisse der Computergraphik/Visualisierung sowie der Programmierung mit C++, wünschenswert ist außerdem Erfahrung in medizinischer Bildverarbeitung

      Literatur: T. Beck, C. Biermann, D. Fritz et al.: “Robust model-based centerline extraction of vessels in CTA data”, Proc. SPIE, Vol. 7259, 2009
      S. Grosskopf, C. Biermann, K. Deng et al.: “Accurate, fast, and robust vessel contour segmentation of CTA using and adaptive self-learning edge model”, Proc. SPIE, Vol. 7259, 2009

    • Master-Arbeit: Evaluierung von Techniken zur Selektion von Objekten in dreidimensionalen Darstellungen

      Chirurgische Eingriffe an der Leber, etwa zur Entfernung von Tumoren, gelten aufgrund der komplexen Struktur der Blutversorgung innerhalb der Leber als besonders schwierig. Für eine erfolgreiche Operation ist die genaue Kenntnis des Verlaufs der Blutgefäße von entscheidender Bedeutung, da sich an ihnen die Schnittführung der Resektion orientiert.

      Diese Diplomarbeit ist eingebettet in ein Projekt, dessen Ziel ein neuartiges Planungssystem für Leberoperationen ist. In Kooperation mit klinischen Partnern sollen neue Verfahren entwickelt werden, um insbesondere die Diagnose, chirurgische Therapie und Verlaufskontrolle vonLebertumoren sicherer und effizienter zu gestalten und so die Heilungschancen von Patienten wesentlich zu verbessern. Die Grundlage des Systems bilden dabei CT-Bilder, da diese die Anatomie der Leber optimal darstellen.

      Die Aufgabenstellung der Diplomarbeit umfasst folgende Punkte:

      • Integration einer gegebenen Blutgefäßsegmentierung in das Planungssystem
      • 3D Visualisierung der segmentierten Gefäße und anderer segmentierter Strukturen wie Tumore zur intuitiven Operationsplanung
      • Entwicklung von Mechanismen zur Editierung und Annotation der verschiedenen Lebergefäßbäume mit minimaler Nutzerinteraktion
      • Berechnung und Visualisierung von Parametern wie Abständen zwischen Gefäßen und bereits segmentierten Tumoren, Hervorhebung möglicher Risiko-Strukturen
      • Semi-automatische Definition von funktionalen Lebersegmenten und Resektionsarealen

      Voraussetzung für eine erfolgreiche Durchführung der Arbeit sind Kenntnisse der Computergraphik/Visualisierung sowie der Programmierung mit C++, wünschenswert ist außerdem Erfahrung in medizinischer Bildverarbeitung.

    Laufende Arbeiten

    Name, VornameTyp & Titel der ArbeitInstitut / FirmaBetreuer
    Bhardwaj, RuchitaMaster-Arbeit
    Visual exploration and quantitative analysis of simulated laryngeal airflow data
    Universität MagdeburgMonique Meuschke
    Bernhard Preim
    Wagas, MuhammadMaster-Arbeit
    Narvative Visualization and Analysis in Conflict Reseach with a Focus on Terrorism
    Universität MagdeburgBenedikt Mayer
    Bernhard Preim
    Sprengel, UlrikeMaster-Arbeit
    Konzeption, Entwicklung und Evaluierung einer Online Anwendung zur semi-automatischen Auswertung intrakranieller Aneurysmen
    Universität MagdeburgSylvia Saalfeld
    Fina GießlerMaster-Arbeit
    Entfernung von Gesichtsmerkmalen in neurologischen Schichtbilddaten
    Universität MagdeburgSylvia Saalfeld
    Schroeder, AaronBachelor-Arbeit
    Flow Visualization of Aortic Dissections
    Universität Magdeburg
    Bernhard Preim
    Gabriel Mistelbauer
    Olson, ChristopherBachelor-Arbeit
    VR unterstützte Kollisionserkennung von Satelliten
    Universität Magdeburg
    DLR-SC
    Bernhard Preim
    Georgia Albaquerque
    Stupak, EvgeniaBachelor-Arbeit
    Entwicklung einer virtuellen Benutzerschnittstelle für die Definition und Exploration von Patientenkohorten in der Neurologie
    Universität Magdeburg
    Universitätsklinikum Magdeburg
    Bernhard Preim
    Steffen Oeltze-Jafra