Prof. Michael Götz

Zusammen mit meinem Team der Experimentellen Radiologie forsche ich an einer besseren Nutzung der Radiologie. Dazu arbeiten wir an wegweisenden, neuen Machine-Learning (Deep-Learning)-Methoden im Kontext der Radiologie an und erproben diese in der Praxis.

Ich forsche an Maschinellen Lernverfahren im Bereich der Medizinischen Bildverarbeitung. Dabei interessieren mich vor allem Fragestellung rund um Weakly oder Grouped Annotations, oder Learning from distributed Data. Auf anwendungsseite untersuche ich, ob mithilfe von Radiomics mehr Informationen zur klinischen Diagnose aus Bildern gewonnen werden kann.

Im Rahmen meiner Promotion forschte ich im Bereich Medizinische Bildgebung an Lernbasierten Verfahren. Ich konnte verschiedene Lernverfahren für die Semantische Bildsegmentierung entwickeln, die anhand spärlicher oder schwacher Annotationen trainiert werden. Dadurch wird der notwendige Aufwand zur Erzeugung der Trainingsdaten drastisch verringert.

Für meine Masterarbeit habe ich in der Abteilung Medizinische und Biologische Bildverarbeitung des DKFZ Heidelberg einen auf MCMC-basierenden, global arbeitenden Ansatz zur vollautomatischen Segmentierung von Gefäßstrukturen in medizinischen 3D-Bilddaten entwickelt und evaluiert.

Im Rahmen eines Pflichtpraktikums bei Philips Research in Hamburg habe ich ein Tool zur automatischen Analyse von Algorithmen auf einem Cluster in Python geschrieben.

Als Studentische Hilfskraft habe ich verschiedene Algorithmen zur automatischen Bildsegmentierung in C# implementiert und miteinander verglichen. Dazu wurde ein neues Tool entwickelt, die Algorithmen nach Literaturangaben implementiert und eine GUI geschrieben.

Im Rahmen meines DHBW-Studiums war ich am DLR in Stuttgart als Student im Zentralen Elektroniklabor eingestellt. Dort habe ich selbstständig verschiedene Projekte durchgeführt, u.a. das Design und der Aufbau von elektronischen Geräten in Kleinserie. Dabei habe ich unterschiedliche Thematiken kennengelernt: * Programmierung von Microcontrollern * Signalverarbeitung auf DSP's * Hardware Design und Aufbau

Promotion im Bereich der Medizinischen Bildverarbeitung. Ziel der Promotion war es, Lernbasierte Systeme zur semantischen Segmentierung von Gewebeklassen zu erforschen. Schwerpunkt dabei war der Umgang mit unsicheren Annotationen und das Ziel, die notwendige Annotationsmenge zu reduzieren.

Medizintechnik / Bildgebende Verfahren und Bildverarbeitung.

Mess- und Steuertechnik im Deutschen Zentrum für Elektrotechnik