Bachelor and Master Theses

Here you can find an overview of ongoing master theses as well as master topics still to be worked on in the AG Visualisierung. The topics listed below are designed in such a way that they can also be combined with a scientific team project or a scientific individual project:

Themen in Magdeburg

  • A Visualization Task Taxonomy for Pandemic Analysis
  • Adapted InfoVis Graphics to Communicate Medical Data

    The comprehensible communication of medical research to the broad public plays an important role in many situations, such as education about preventive examinations or vaccinations. Recently, narrative visualization, i.e. the combination of storytelling techniques with interactive graphics is used to communicate scientific findings. A variety of information visualizations such as diagrams and 2D maps have been used to visually communicate scientific findings. However, little research has been done on how comprehensible annotated diagrams such as bubble charts or medical expert diagrams such as Kaplan-Meier plots are for the broad public or how these representations need to be adapted.

    Goal: The goal should be to investigate different information visualization techniques regarding their suitability to visually communicate medical information to the broad public. Based on this analysis, guidelines should be derived on how information visualizations need to be adapted to become understandable for people without specific medical background knowledge. The adapted visualizations should be evaluated with participants from the broad public to validate their understandability.

    Type: Bachelor/ or Master Thesis (Team project (2 FIN students) would also be possible)

    Requirements: Good skills in scientific reading; critical thinking; good skills in graphics programming (exact languages like D3 or OpenGL can be chosen freely) 

    References
    [1] Morris, T., et al. “Proposals on Kaplan–Meier plots in medical research and a survey of stakeholder views: KMunicate.” BMJ open 9.9 (2019): e030215.: https://bmjopen.bmj.com/content/9/9/e030215.abstract
    [2] Drucker, S., et al. “Communicating data to an audience.” In Data-driven storytelling, pp. 211-31. AK Peters/CRC Press, 2018: chrome-extension://oemmndcbldboiebfnladdacbdfmadadm/https://hal.archives-ouvertes.fr/hal-02310515/document
    [3] Meuschke, M., et al. “Towards Narrative Medical Visualization.” arXiv preprint arXiv:2108.05462 (2021).: https://arxiv.org/abs/2108.05462

  • Develop VR/Web Radiochemistry Application for Students

    VR Laboratory

    Within the European A-CINCH project, which addresses the loss of the young generation’s interest for nuclear knowledge, virtual experiments are developed.

    Tasks:

    • Develop a radiochemistry experiement as a VR and web application
    • Evaluate its user experience and usability

    The project has to be realised in the game engine Unity, thus the following is required:

    • Knowledge of basic computer graphics
    • Experience with C# and Unity
  • Visual Analytics to Support Tumor Boards in Dermatology

    A tumor board is a discussion among multiple physicians to determine the most appropriate treatment option for a specific cancer patient with a complex disease course. Treatment recommendations are often influenced by previous experience with patients exhibiting similar disease courses. While patient-related image data is displayed during the discussion, clinical patient data, such as the course of tumor days, histological parameters and previously performed treatments, cannot be retrieved at any time and must be repeatedly asked for or memorized. In addition, there is not yet a method to automatically identify and visualize the k most similar patients with their respective therapy trajectories.

    Goal: To support physicians during tumor boards in therapy planning for skin cancer patients, the goal of the project is to develop a tumor board visual analytics system that (i) effectively displays longitudinal patient data and (ii) identifies and visualizes characteristics and treatment histories of the most similar previously treated patients.

    Team size: 2-3 Master FIN students or Bachelor/Master Thesis
    Requirements: Programming experience in D3, Python, or R; critical thinking

    References:
    [1] Hörbrügger M, Steinhauer N, et al. “Comprehensive Visualization of Longitudinal Patient Data for the Dermatological Oncological Tumor Board.” Proc. of EuroVis 2020. URL: https://diglib.eg.org/handle/10.2312/evs20201067
    [2] Prakash S, Unnikrishnan V, Pryss R, Kraft R, Schobel J, Hannemann R, Langguth B, Schlee W, Spiliopoulou M. “Interactive System for Similarity-Based Inspection and Assessment of the Well-Being of mHealth Users.” Entropy. 2021; 23(12):1695. https://doi.org/10.3390/e23121695

  • Student Project – Gamification concepts for a VR application to train access in skull surgeries

    Immersive virtual reality (VR) simulations are a common possibility to provide surgeons with additional training. One of the main benefits is the high motivation due to a high sense of presence. Nevertheless, the motivation can be increased by adding feedback and gamification aspects. Therefore, we are looking for a student, who will investigate and implement gamification concepts that are appropriate for an already existing medical VR training application.

    Your task would be to:

    • research existing and similar approaches regarding gamification and acquire some medical background
    • develop appropriate gamification concepts
    • implement these concepts in an existing VR training application
    • conduct a user study to evaluate the developed concepts

    The project has to be realised in the game engine Unity, thus the following is required:

    • knowledge of basic computer graphics
    • experience with C# (and Unity)

    AG Visualisierung

  • 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: 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)

  • 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
    Tummala, SrilekhaMaster-Arbeit
    The Harmonization of mulit-site effects in large-scale morphometric brain images in ageing and Alzheimer’s disease
    Universtiät MagdeburgGabriel Ziegler (UMMD)
    Bernhard Preim
    Podishetti, RanadheerMaster-Arbeit
    Compaison of Radiomics-based Analysis and Deep Learning-based Analysis for Correlation of Epicardial Adipose Tissue and Patient Outcome
    Universität MagdeburgSylvia Saalfeld
    Afzal, TayyabMaster-Arbeit
    Medical tools detection and classification with smart glasses based on YOLOV7 and YOLOV8
    Universität MagdeburgBernhard Preim
    Pandey, VatsalMaster-Arbeit
    Deep Learning based Co-Registration of Point Clouds
    Universität MagdeburgGeorg Hille
    Sylvia Saalfeld
    Reddy, Chitti NaveethMaster-Arbeit
    Deep Learning based evaluation of Histological Cross-sections
    Universität MagdeburgSylvia Saalfeld
    Umeh, StanleyMaster-Arbeit
    A Clinical Support System for Intracranial Aneurysm Using Reverse Instance Selection (RIS)
    Universität MagdeburgLena Spitz
    Sylvia Saalfeld
    Tirupathi Seenivasan, KishoreMaster-Arbeit
    How to evaluate data driven stories?
    Universität MagdeburgMonique Meuschke
    Bernhard Preim
    Schroeder, AaronMaster-Arbeit
    Hemodynamic Flow Visualization Inspired by Experimental Techniques
    Universität MagdeburgBernhard Preim
    Dowlatabadi, SophiaMaster-Arbeit
    Utilizing Narrative Visualizations to Represent Age Distributions of Diseases
    Universität MagdeburgMonique Meuschke
    Bernhard Preim
    Krebs, MarcelMaster-Arbeit
    Narrative Patterns in Games
    Universität MagdeburgMonique Meuschke
    Waqar, HussainMaster-Arbeit
    Designing an online platform for Business Partnership collaboration: Understanding users need
    Universität MagdeburgBernhard Preim
    Name, VornameTyp & Titel der ArbeitInstitut / FirmaBetreuer
    Göring, VincentBachelor-Arbeit
    Developing and evaluating approaches to efficiently program animated Sequences using D3.js
    Universität
    Magdeburg
    Bernhard Preim
    Benedikt Mayer
    Schwarz, FelixBachelor-Arbeit
    Enhancing 3D Interaction for Broad Audiences: Exploring Slider-based Rotation Affordance Techniques
    Universität
    Magdeburg
    Monique Meuschke Bernhard Preim
    Baur, Jannis-DarianBachelor-Arbeit
    Gamification für narrative medizinische Visualisierungen
    Universität
    Magdeburg
    Monique Meuschke Bernhard Preim