Forschung

Maschinelles Lernen in der Biomedizin
(Christoph Bock)

Unsere Forschung kombiniert maschinelles Lernen mit Genomtechnologie, Einzelzellbiologie und Zelltechnik. Wir arbeiten an personalisierten Therapien für Krebs- und Immunerkrankungen. Wir sind Teil des European Laboratory for Learning and Intelligent Systems (ELLIS.eu) und des Human Cell Atlas. Weitere Informationen finden Sie unter: https://bocklab.org.

Medizinische Bildverarbeitung
(Hrvoje Bogunović)

Unsere Forschung widmet sich der Weiterentwicklung von Methoden des maschinellen Lernens und Deep Learning zur medizinischen Bildanalyse, um vertrauenswürdige Systeme zur Unterstützung klinischer Entscheidungen zu ermöglichen und die klinische Forschung voranzutreiben. Ein besonderer Schwerpunkt liegt auf der Interpretation von Netzhautbilddaten und der Vorhersage des Verlaufs von Krankheiten anhand von Längsschnittbildaufnahmen. Weitere Informationen: https://www.meduniwien.ac.at/cdair

Maschinelles Lernen für Vorhersagen und Signalverarbeitung
(Georg Dorffner)

Unsere Forschung konzentriert sich auf zwei Hauptbereiche: (a) der Anwendung von klassischem maschinellem Lernen auf Patientendaten zur Vorhersage von Krankheiten oder deren Verläufen und (b) dem Einsatz von Deep Learning und anderen Methoden zur Signalverarbeitung, insbesondere zur Interpretation von EEG und anderen elektrophysiologischen Signalen, wie beispielsweise der automatisierten Auswertung von Polysomnogrammen in der Schlafmedizin.

AI in der Systembiologie
(David S. Fischer)

Wir entwickeln mechanistische Machine-Learning-Modelle, um Krankheiten zu erforschen. Unser Fokus liegt auf der Untersuchung zellulärer Systeme mithilfe von Omics-Experimenten. Wir entwickeln Machine-Learning-Modelle, die in der Lage sind, diese großen Datensätze im Kontext des bestehenden molekularbiologischen Wissens zu analysieren. Inspiriert von der Systembiologie, setzen wir diese Modelle ein und führen experimentelle Validierungen durch. Weitere Informationen: https://ai4biomedicine.org

Dynamics of Neural Systems
(Adam Gosztolai)

Unsere Forschung konzentriert sich darauf, zu verstehen, wie das Gehirn und KI-Systeme rechnerische Herausforderungen durch die dynamische Aktivität neuronaler Populationen lösen. Wir nutzen maschinelles Lernen, Geometrie und die Theorie dynamischer Systeme, um die Kluft zwischen biologischen und künstlichen Systemen zu überbrücken und Methoden zu entwickeln, die klinischen und breiteren wissenschaftlichen Anwendungen zugutekommen.

Trustworthy AI
(Matthias Samwald)

KI-Systeme entwickeln sich rasant und revolutionieren biomedizinische Forschung und klinische Praxis. Damit verbunden sind auch neue Herausforderungen und Risiken. Unsere Forschungsgruppe stellt sicher, dass fortgeschrittene KI-Systeme robust, interpretierbar und nützlich sind. Weitere Informationen: https://samwald.info/

Deep-Learning-Methoden & Anwendungen
(<offene Stelle>)

Wir suchen eine:n Gruppenleiter:in / Assistenzprofessor:in mit dem Forschungsschwerpunkt Deep-Learning-Methodik und Anwendungen in der Medizin. Diese künftige Forschungsgruppe wird sich mit der Entwicklung von Methoden des maschinellen Lernens (z. B. Interpretierbarkeit, Kausalität, generative Modelle) sowie mit prototypischen Anwendungen in der Medizin oder biomedizinischen Forschung befassen.