TY - JOUR A1 - Deserno, Thomas M. A1 - Handels, Heinz A1 - Maier-Hein, Klaus H. A1 - Mersmann, Sven A1 - Palm, Christoph A1 - Tolxdorff, Thomas A1 - Wagenknecht, Gudrun A1 - Wittenberg, Thomas T1 - Viewpoints on Medical Image Processing BT - From Science to Application JF - Current Medical Imaging Reviews N2 - Medical image processing provides core innovation for medical imaging. This paper is focused on recent developments from science to applications analyzing the past fifteen years of history of the proceedings of the German annual meeting on medical image processing (BVM). Furthermore, some members of the program committee present their personal points of views: (i) multi-modality for imaging and diagnosis, (ii) analysis of diffusion-weighted imaging, (iii) model-based image analysis, (iv) registration of section images, (v) from images to information in digital endoscopy, and (vi) virtual reality and robotics. Medical imaging and medical image computing is seen as field of rapid development with clear trends to integrated applications in diagnostics, treatment planning and treatment. KW - Medical imaging KW - Image processing KW - Image analysis KW - Vizualization KW - Multi-modal imaging KW - Diffusion-weighted imaging KW - Model-based imaging KW - Digital endoscopy KW - Bildgebendes Verfahren KW - Bildverarbeitung KW - Medizin Y1 - 2013 U6 - https://doi.org/10.2174/1573405611309020002 VL - 9 IS - 2 SP - 79 EP - 88 ER - TY - CHAP A1 - Szalo, Alexander Eduard A1 - Zehner, Alexander A1 - Palm, Christoph T1 - GraphMIC: Medizinische Bildverarbeitung in der Lehre T2 - Bildverarbeitung für die Medizin 2015; Algorithmen - Systeme - Anwendungen; Proceedings des Workshops vom 15. bis 17. März 2015 in Lübeck N2 - Die Lehre der medizinischen Bildverarbeitung vermittelt Kenntnisse mit einem breiten Methodenspektrum. Neben den Grundlagen der Verfahren soll ein Gefühl für eine geeignete Ausführungsreihenfolge und ihrer Wirkung auf medizinische Bilddaten entwickelt werden. Die Komplexität der Methoden erfordert vertiefte Programmierkenntnisse, sodass bereits einfache Operationen mit großem Programmieraufwand verbunden sind. Die Software GraphMIC stellt Bildverarbeitungsoperationen in Form interaktiver Knoten zur Verfügung und erlaubt das Arrangieren, Parametrisieren und Ausführen komplexer Verarbeitungssequenzen in einem Graphen. Durch den Fokus auf das Design einer Pipeline, weg von sprach- und frameworkspezifischen Implementierungsdetails, lassen sich grundlegende Prinzipien der Bildverarbeitung anschaulich erlernen. In diesem Beitrag stellen wir die visuelle Programmierung mit GraphMIC der nativen Implementierung äquivalenter Funktionen gegenüber. Die in C++ entwickelte Applikation basiert auf Qt, ITK, OpenCV, VTK und MITK. KW - Bildverarbeitung KW - Medizin KW - Hochschuldidaktik Y1 - 2015 U6 - https://doi.org/10.1007/978-3-662-46224-9_68 SP - 395 EP - 400 PB - Springer CY - Berlin ER - TY - CHAP A1 - Palm, Christoph A1 - Siegmund, Heiko A1 - Semmelmann, Matthias A1 - Grafe, Claudia A1 - Evert, Matthias A1 - Schroeder, Josef A. T1 - Interactive Computer-assisted Approach for Evaluation of Ultrastructural Cilia Abnormalities T2 - Medical Imaging 2016: Computer-Aided Diagnosis, San Diego, California, United States, 27 February - 3 March, SPIE Proceedings 97853N, 2016, ISBN 9781510600201 N2 - Introduction – Diagnosis of abnormal cilia function is based on ultrastructural analysis of axoneme defects, especialy the features of inner and outer dynein arms which are the motors of ciliar motility. Sub-optimal biopsy material, methodical, and intrinsic electron microscopy factors pose difficulty in ciliary defects evaluation. We present a computer-assisted approach based on state-of-the-art image analysis and object recognition methods yielding a time-saving and efficient diagnosis of cilia dysfunction. Method – The presented approach is based on a pipeline of basal image processing methods like smoothing, thresholding and ellipse fitting. However, integration of application specific knowledge results in robust segmentations even in cases of image artifacts. The method is build hierarchically starting with the detection of cilia within the image, followed by the detection of nine doublets within each analyzable cilium, and ending with the detection of dynein arms of each doublet. The process is concluded by a rough classification of the dynein arms as basis for a computer-assisted diagnosis. Additionally, the interaction possibilities are designed in a way, that the results are still reproducible given the completion report. Results – A qualitative evaluation showed reasonable detection results for cilia, doublets and dynein arms. However, since a ground truth is missing, the variation of the computer-assisted diagnosis should be within the subjective bias of human diagnosticians. The results of a first quantitative evaluation with five human experts and six images with 12 analyzable cilia showed, that with default parameterization 91.6% of the cilia and 98% of the doublets were found. The computer-assisted approach rated 66% of those inner and outer dynein arms correct, where all human experts agree. However, especially the quality of the dynein arm classification may be improved in future work. KW - Image analysis KW - Image processing KW - Computer aided diagnosis and therapy KW - Image classification KW - Image segmentation KW - Biopsy KW - Electron microscopy KW - Zilie KW - Ultrastruktur KW - Anomalie KW - Bildverarbeitung KW - Objekterkennung KW - Computerunterstütztes Verfahren Y1 - 2016 U6 - https://doi.org/10.1117/12.2214976 ER - TY - GEN ED - Palm, Christoph ED - Deserno, Thomas M. ED - Handels, Heinz ED - Maier, Andreas ED - Maier-Hein, Klaus H. ED - Tolxdorff, Thomas T1 - Bildverarbeitung für die Medizin 2021 BT - Proceedings, German Workshop on Medical Image Computing, Regensburg, March 7–9, 2021 N2 - In den letzten Jahren hat sich der Workshop "Bildverarbeitung für die Medizin" durch erfolgreiche Veranstaltungen etabliert. Ziel ist auch 2021 wieder die Darstellung aktueller Forschungsergebnisse und die Vertiefung der Gespräche zwischen Wissenschaftlern, Industrie und Anwendern. Die Beiträge dieses Bandes - einige davon in englischer Sprache - umfassen alle Bereiche der medizinischen Bildverarbeitung, insbesondere Bildgebung und -akquisition, Maschinelles Lernen, Bildsegmentierung und Bildanalyse, Visualisierung und Animation, Zeitreihenanalyse, Computerunterstützte Diagnose, Biomechanische Modellierung, Validierung und Qualitätssicherung, Bildverarbeitung in der Telemedizin u.v.m. KW - Bildanalyse KW - Bildverarbeitung KW - Computerunterstützte Medizin KW - Deep Learning KW - Visualisierung Y1 - 2021 SN - 978-3-658-33197-9 U6 - https://doi.org/10.1007/978-3-658-33198-6 SN - 1431-472X PB - Springer Vieweg CY - Wiesbdaden ER - TY - CHAP A1 - Zehner, Alexander A1 - Szalo, Alexander Eduard A1 - Palm, Christoph T1 - GraphMIC: Easy Prototyping of Medical Image Computing Applications T2 - Interactive Medical Image Computing (IMIC), Workshop at the Medical Image Computing and Computer Assisted Interventions (MICCAI 2015), 2015, Munich N2 - GraphMIC is a cross-platform image processing application utilizing the libraries ITK and OpenCV. The abstract structure of image processing pipelines is visually represented by user interface components based on modern QtQuick technology and allows users to focus on arrangement and parameterization of operations rather than implementing the equivalent functionality natively in C++. The application's central goal is to improve and simplify the typical workflow by providing various high level features and functions like multi threading, image sequence processing and advanced error handling. A built-in python interpreter allows the creation of custom nodes, where user defined algorithms can be integrated to extend basic functionality. An embedded 2d/3d visual-izer gives feedback of the resulting image of an operation or the whole pipeline. User inputs like seed points, contours or regions are forwarded to the processing pipeline as parameters to offer semi-automatic image computing. We report the main concept of the application and introduce several features and their implementation. Finally, the current state of development as well as future perspectives of GraphMIC are discussed KW - Bildverarbeitung KW - Medizin Y1 - 2015 U6 - https://doi.org/10.13140/RG.2.1.3718.4725 N1 - Open-Access-Publikation SP - 395 EP - 400 ER - TY - GEN ED - Maier, Andreas ED - Deserno, Thomas M. ED - Handels, Heinz ED - Maier-Hein, Klaus H. ED - Palm, Christoph ED - Tolxdorff, Thomas T1 - Bildverarbeitung für die Medizin 2024 BT - Proceedings, German Workshop on Medical Image Computing, Erlangen, March 10-12, 2024 N2 - Seit mehr als 25 Jahren ist der Workshop "Bildverarbeitung für die Medizin" als erfolgreiche Veranstaltung etabliert. Ziel ist auch 2024 wieder die Darstellung aktueller Forschungsergebnisse und die Vertiefung der Gespräche zwischen Wissenschaftlern, Industrie und Anwendern. Die Beiträge dieses Bandes - viele davon in englischer Sprache - umfassen alle Bereiche der medizinischen Bildverarbeitung, insbesondere die Bildgebung und -akquisition, Segmentierung und Analyse, Visualisierung und Animation, computerunterstützte Diagnose sowie bildgestützte Therapieplanung und Therapie. Hierbei kommen Methoden des maschinelles Lernens, der biomechanischen Modellierung sowie der Validierung und Qualitätssicherung zum Einsatz. KW - Bildverarbeitung KW - Computerunterstützte Medizin KW - Bildgebendes Verfahren KW - Bildanalyse KW - Deep Learning Y1 - 2024 SN - 978-3-658-44037-4 U6 - https://doi.org/10.1007/978-3-658-44037-4 SN - 1431-472X PB - Springer CY - Wiesbaden ER - TY - GEN ED - Tolxdorff, Thomas ED - Deserno, Thomas M. ED - Handels, Heinz ED - Maier, Andreas ED - Maier-Hein, Klaus H. ED - Palm, Christoph T1 - Bildverarbeitung für die Medizin 2020 BT - Algorithmen – Systeme – Anwendungen. Proceedings des Workshops vom 15. bis 17. März 2020 in Berlin N2 - In den letzten Jahren hat sich der Workshop "Bildverarbeitung für die Medizin" durch erfolgreiche Veranstaltungen etabliert. Ziel ist auch 2020 wieder die Darstellung aktueller Forschungsergebnisse und die Vertiefung der Gespräche zwischen Wissenschaftlern, Industrie und Anwendern. Die Beiträge dieses Bandes - einige davon in englischer Sprache - umfassen alle Bereiche der medizinischen Bildverarbeitung, insbesondere Bildgebung und -akquisition, Maschinelles Lernen, Bildsegmentierung und Bildanalyse, Visualisierung und Animation, Zeitreihenanalyse, Computerunterstützte Diagnose, Biomechanische Modellierung, Validierung und Qualitätssicherung, Bildverarbeitung in der Telemedizin u.v.m. KW - Bildanalyse KW - Bildverarbeitung KW - Computerunterstützte Medizin KW - Deep Learning KW - Visualisierung Y1 - 2020 SN - 978-3-658-29266-9 U6 - https://doi.org/10.1007/978-3-658-29267-6 PB - Springer Vieweg CY - Wiesbaden ER - TY - GEN ED - Deserno, Thomas M. ED - Handels, Heinz ED - Maier, Andreas ED - Maier-Hein, Klaus H. ED - Palm, Christoph ED - Tolxdorff, Thomas T1 - Bildverarbeitung für die Medizin 2023 BT - Proceedings, German Workshop on Medical Image Computing, Braunschweig, July 2-4, 2023 N2 - Seit mehr als 25 Jahren ist der Workshop "Bildverarbeitung für die Medizin" als erfolgreiche Veranstaltung etabliert. Ziel ist auch 2023 wieder die Darstellung aktueller Forschungsergebnisse und die Vertiefung der Gespräche zwischen Wissenschaftlern, Industrie und Anwendern. Die Beiträge dieses Bandes - viele davon in englischer Sprache - umfassen alle Bereiche der medizinischen Bildverarbeitung, insbesondere die Bildgebung und -akquisition, Segmentierung und Analyse, Visualisierung und Animation, computerunterstützte Diagnose sowie bildgestützte Therapieplanung und Therapie. Hierbei kommen Methoden des maschinelles Lernens, der biomechanischen Modellierung sowie der Validierung und Qualitätssicherung zum Einsatz. KW - Machine Learning KW - Medical Image Computing KW - Bildverarbeitung KW - Computerunterstützte Medizin KW - Bildgebendes Verfahren KW - Bildanalyse KW - Visualisierung KW - Deep Learning Y1 - 2023 SN - 978-3-658-41656-0 U6 - https://doi.org/10.1007/978-3-658-41657-7 SN - 1431-472X PB - Springer Vieweg CY - Wiesbaden ER - TY - GEN A1 - Schroeder, Josef A. A1 - Semmelmann, Matthias A1 - Siegmund, Heiko A1 - Grafe, Claudia A1 - Evert, Matthias A1 - Palm, Christoph T1 - Improved interactive computer-assisted approach for evaluation of ultrastructural cilia abnormalities T2 - Ultrastructural Pathology KW - Zilie KW - Ultrastruktur KW - Anomalie KW - Bildverarbeitung KW - Computerunterstütztes Verfahren Y1 - 2017 U6 - https://doi.org/10.1080/01913123.2016.1270978 VL - 41 IS - 1 SP - 112 EP - 113 ER - TY - GEN ED - Maier, Andreas ED - Deserno, Thomas M. ED - Handels, Heinz ED - Maier-Hein, Klaus H. ED - Palm, Christoph ED - Tolxdorff, Thomas T1 - Bildverarbeitung für die Medizin 2018 BT - Algorithmen - Systeme - Anwendungen. Proceedings des Workshops vom 11. bis 13. März 2018 in Erlangen KW - Bildanalyse KW - Bildverarbeitung KW - Computerunterstützte Medizin KW - Bildgebendes Verfahren Y1 - 2018 U6 - https://doi.org/10.1007/978-3-662-56537-7 PB - Springer CY - Berlin ER - TY - GEN ED - Palm, Christoph ED - Breininger, Katharina ED - Deserno, Thomas M. ED - Handels, Heinz ED - Maier, Andreas ED - Maier-Hein, Klaus H. ED - Tolxdorff, Thomas M. T1 - Bildverarbeitung für die Medizin 2025 BT - Proceedings, German Conference on Medical Image Computing, Regensburg March 09-11, 2025 N2 - Die Konferenz "BVM - Bildverarbeitung für die Medizin" ist seit vielen Jahren als die nationale Plattform für den Austausch von Ideen und die Diskussion der neuesten Forschungsergebnisse im Bereich der Medizinischen Bildverarbeitung und der Künstlichen Intelligenz (KI) etabliert. Auch 2025 werden wir aktuelle Forschungsergebnisse vorstellen und Gespräche zwischen (jungen) Wissenschaftler*innen, Industrie und Anwender*innen vertiefen. Die Beiträge dieses Bandes – die meisten davon in englischer Sprache - umfassen alle Bereiche der medizinischen Bildverarbeitung, insbesondere die Bildgebung und -akquisition, Segmentierung und Analyse, Registrierung, Visualisierung und Animation, computerunterstützte Diagnose sowie bildgestützte Therapieplanung und Therapie. Hierbei kommen Methoden des maschinellen Lernens, der biomechanischen Modellierung sowie der Validierung und Qualitätssicherung zum Einsatz. Das Kapitel "Leveraging multiple total body segmentators and anatomy-informed post-processing for segmenting bones in Lung CTs" ist unter einer Creative Commons Attribution 4.0 International License über link.springer.com frei verfügbar (Open Access). Die Herausgebenden Prof. Palm forscht im Bereich KI für die Medizin mit einem Schwerpunkt in der Analyse endoskopischer Bilddaten zur computerunterstützten Diagnose und Therapie. Prof. Breininger entwickelt robuste Ansätze des maschinellen Lernens in verschiedenen interdisziplinären Bereichen, mit einem Schwerpunkt auf medizinischen Bilddaten. Prof. Deserno forscht in Biosignal- und Bilderzeugung und -verarbeitung, insbesondere in der videobasierten Vitaldatenmessung. Prof. Handels entwickelt problemoptimierte, lernfähige Bildverarbeitungsmethoden und integriert diese in hybride Bildverarbeitungssysteme zur Unterstützung der medizinischen Diagnostik und Therapie. Prof. Maier entwickelt Anwendungen in der medizinischen Bildverarbeitung zur Diagnoseunterstützung bis hin zur Schichtbildberechnung durch künstliche Intelligenz. Prof. Maier-Hein forscht im Bereich maschinelles Lernen und entwickelt Open-Source-Lösungen wie das Medical Imaging Interaction Toolkit (MITK), Kaapana oder das nnU-Net. Prof. em. Tolxdorff ist Experte für maschinelles Lernen, biomedizinisches Datenmanagement, Datenvisualisierung und -analyse sowie Medizinproduktentwicklung in klinischen Workflows. KW - Bildverarbeitung KW - Computerunterstützte Medizin KW - Bildgebendes Verfahren KW - Bildanalyse KW - Deep Learning Y1 - 2025 SN - 978-3-658-47421-8 U6 - https://doi.org/10.1007/978-3-658-47422-5 SN - 1431-472X PB - Springer Fachmedien Wiesbaden CY - Wiesbaden ER - TY - GEN ED - Handels, Heinz ED - Breininger, Katharina ED - Deserno, Thomas M. ED - Maier, Andreas ED - Maier-Hein, Klaus H. ED - Palm, Christoph ED - Tolxdorff, Thomas T1 - Bildverarbeitung für die Medizin 2026 : Proceedings, German Conference on Medical Image Computing, Lübeck March 15–17, 2026 N2 - Die Konferenz "BVM – Bildverarbeitung für die Medizin" ist seit vielen Jahren als die nationale Plattform für den Austausch von Ideen und die Diskussion der neuesten Forschungsergebnisse im Bereich der Medizinischen Bildverarbeitung und der Künstlichen Intelligenz (KI) etabliert. Auch 2026 haben (junge) Wissenschaftler*innen, Industrie und Anwender*innen diesen Austausch vertieft. Die Beiträge dieses Bandes – die meisten davon in englischer Sprache – umfassen alle Bereiche der medizinischen Bildverarbeitung, insbesondere die Bildgebung und -akquisition, Segmentierung und Analyse, Registrierung, Visualisierung und Animation, computerunterstützte Diagnose sowie bildgestützte Therapieplanung und Therapie. Hierbei kommen Methoden des maschinellen Lernens, der biomechanischen Modellierung sowie der Validierung und Qualitätssicherung zum Einsatz. KW - Bildverarbeitung KW - Computerunterstützte Medizin KW - Bildgebendes Verfahren KW - Bildanalyse KW - Deep Learning Y1 - 2026 SN - 978-3-658-51099-2 U6 - https://doi.org/10.1007/978-3-658-51100-5 SN - 1431-472X PB - Springer Vieweg CY - Wiesbaden ER - TY - GEN A1 - Klausmann, Leonard A1 - Rueckert, Tobias A1 - Rauber, David A1 - Maerkl, Raphaela A1 - Yildiran, Suemeyye R. A1 - Gutbrod, Max A1 - Palm, Christoph ED - Handels, Heinz ED - Breininger, Katharina ED - Deserno, Thomas M. ED - Maier, Andreas ED - Maier-Hein, Klaus H. ED - Palm, Christoph ED - Tolxdorff, Thomas T1 - Abstract: DIY Challenge Blueprint BT - from organization to technical implementation in Biomedical Image Analysis T2 - Bildverarbeitung für die Medizin 2025: Proceedings, German Conference on Medical Image Computing, Lübeck March 15-17, 2026 N2 - The high cost of challenge platforms prevents many people from organizing their own competitions. The do-it-yourself (DIY) challenge blueprint [1] allows you to host your own biomedical AI benchmark challenge. Our DIY approach circumvents the current constraints of commercial challenge platforms. A sovereign, extensible and cost-efficient deployment is provided via containerised, identity-managed and reproducible pipelines. Focus lies on GDPR-compliant hosting via infrastructure-as-code, automated evaluation, modular orchestration, and role-based identity and access management. The framework integrates Docker-based execution and standardised interfaces for task definitions, dataset curation and evaluation. All in all it is designed to be flexible and modular, as demonstrated in the MICCAI 2024 PhaKIR challenge [2, 3]. In this case study, different medical tasks on a multicentre laparoscopic dataset with framewise labels for phases and spatial annotations for instruments across fulllength videos were supported. This case study empirically validates the DIY challenge blueprint as a reproducible and customizable challenge-hosting infrastructure. The full code can be found at https://github.com/remic-othr/PhaKIR_DIY. KW - Bildverarbeitung Y1 - 2026 U6 - https://doi.org/10.1007/978-3-658-51100-5_27 SP - 131 EP - 131 PB - Springer Vieweg CY - Wiesbaden ER - TY - CHAP A1 - Gutbrod, Max A1 - Rauber, David A1 - Palm, Christoph ED - Handels, Heinz ED - Breininger, Katharina ED - Deserno, Thomas M. ED - Maier, Andreas ED - Maier-Hein, Klaus H. ED - Palm, Christoph ED - Tolxdorff, Thomas T1 - Improving Generalization in Mitotic Cell Detection via Domain Transformations T2 - Bildverarbeitung für die Medizin 2025: Proceedings, German Conference on Medical Image Computing, Lübeck March 15-17, 2026 N2 - We address domain generalization (DG) in mitotic-cell (MC) detection by combining a β-variational autoencoder (VAE) for domain transformations with feature-space alignment together with an object detector. The β-VAE synthesizes domain-transformed images, and the detector is trained to map originals and their transformed counterparts to equal representations. On the MIDOG++ dataset, this approach improves out-of-domain detection F1 scores by 7 and 3 percentage points compared to the color-variation augmentation and stain-normalization baselines. Results further suggest that morphology shifts hinder generalization more than stain shifts. KW - Künstliche Intelligenz KW - Bildverarbeitung Y1 - 2026 U6 - https://doi.org/10.1007/978-3-658-51100-5_71 SP - 362 EP - 367 PB - Springer Vieweg CY - Wiesbaden ER -