Verstehen, was normal ist

Prof. Dr. Bernhard Kainz
Prof. Dr. Bernhard Kainz, W3-Professur für Image Data Exploration and Analysis. (Bild: FAU/Georg Pöhlein)

Drei fragen an Prof. Dr. Bernhard Kainz

Bernhard Kainz entwickelt Deep-Learning-Modelle für die Analyse medizinischer Bilddaten. Für seine Forschung hat er einen mit zwei Millionen Euro dotierten ERC Consolidator Grant erhalten.

 Herr Kainz, woran forschen Sie aktuell?

Ich forsche an intelligenten Algorithmen im Gesundheitswesen, vor allem an der selbstgesteuerten medizinischen Bilderfassung. Mein Ziel ist es, Bildgebung und Patientendaten in einer Analyse zu integrieren, die die menschliche Entscheidungsfindung nachahmt und das medizinische Personal in Echtzeit unterstützt. Im Gegensatz zu den meisten etablierten Methoden soll unser Modell den Normalzustand gesunden Gewebes verstehen und nicht an tausenden verschiedenen Krankheitsbildern trainiert werden.

Warum interessiert Sie dieses Thema?

Die Interpretation medizinischer Bildgebung hängt stark von hochspezialisierten klinischen Experten ab. Meine Motivation ist, diesen Prozess zu rationalisieren, den Druck auf medizinisches Personal zu verringern und den Mangel an spezialisierten Fachkräften zu beheben.

Welche Möglichkeiten eröffnet Ihnen der ERC Consolidator Grant?

Die Förderung bietet mir die Möglichkeit, neuartige Deep-Learning-Techniken voranzutreiben, die ohne manuelle Annotation von den Daten gesunder Patienten lernen. Damit werden wir definieren können, was „normal“ in hochdimensionalen Daten bedeutet – eine wichtige
Voraussetzung dafür, Diagnoseverfahren und Patienten­versorgung zu verbessern.

Prof. Dr. Bernhard Kainz
Bild: FAU/Georg Pöhlein

Prof. Dr. Bernhard Kainz studierte Computervisualisierung und Bio-engineering an der Technischen Universität Graz und forschte als Postdoc am dortigen Institut für Computer Graphik und Wissensvisualisierung. 2013 wurde er Marie-Curie-Fellow am Imperial College London, 2015 wechselte er an das King’s College London, dem er nach wie vor als Honorardozent verbunden ist. Seit September 2021 ist er Professor für Image Data Exploration and Analysis am Department Artificial Intelligence in Biomedical Engineering (AIBE) der FAU.


Dieser Artikel ist Teil des FAU Magazins

Titelbild FAU Magazin #FAUmenschen

Eine Universität lebt durch die Menschen, die dort forschen, studieren, lehren und arbeiten. Eine Universität wird getragen von Menschen, die ihr als Alumni, Freunde sowie Förderinnen und Förderer verbunden sind und sich in aller Welt für ihre Belange einsetzen.

Sie alle bringen einzigartige Talente, Fähigkeiten und Perspektiven ein. Diese Vielfalt ist es, die unsere FAU zu einem Ort der Innovation macht und damit zu einem Ort, an dem sich viele Talente gemeinsam und mit Leidenschaft den großen Fragestellungen unserer Zeit widmen. Und immer wieder auch Antworten finden.

Weitere Artikel online lesen Download: FAU Magazin (PDF)

 

 

 

Die Professur wird im Rahmen der Hightech Agenda Bayern gefördert. Mit diesem Programm schafft die Bayerische Staatsregierung unter anderem 1.000 neue Professuren in zentralen Zukunftsbereichen wie Künstliche Intelligenz, Clean Tech und Luft- und Raumfahrt, stärkt so die Spitzenstellung Bayerns in Forschung und Lehre und fördert die Entwicklung neuer Ideen und neuester Technologien sowie deren Umsetzung in die Praxis.