Daten für neue Technologien und Forschung in der Gesundheit – eine Arbeitsgruppe der DIO
Uhrzeit: 17:15-17:30
Plattform: Stream 3
Die DIO Arbeitsgruppe “Daten für neue Technologien und Forschung in der Gesundheit” hat zum Ziel, die Verwendung von Gesundheitsdaten für die Forschung und Technologieentwicklung zu erleichtern und zu unterstützen. Die Gruppe setzt sich einerseits zusammen aus Forschern und Entwicklern, andererseits aus Institutionen, die Daten generieren, koordinieren oder sammeln und an ihrer Verwendung interessiert sind. Die folgenden Themen werden spezifisch für medizinischen Daten in der AG behandelt: Teilbarkeit von Daten, Infrastruktur, Synthetische Daten, und Data Governance. Der Vortrag gibt einen Überblick über den aktuellen Status der AG und geplante Entwicklungen.
Vortrag
Allan Hanbury
Georg Langs
Prof. Allan Hanbury, Professor, TU Wien
Biografie:
Allan Hanbury ist Professor für Data Intelligence und Leiter der E-Commerce-Forschungsgruppe an der Fakultät für Informatik der TU Wien. Er ist auch Fakultätsmitglied des Complexity Science Hub Vienna. Er war wissenschaftlicher Koordinator des EU-geförderten Khresmoi-Projekts zur Suche und Analyse medizinischer Informationen und ist Mitgründer von Spin-Off-Unternehmen contextflow, das die im Khresmoi-Projekt entwickelte Suchtechnologie für radiologische Bilder kommerzialisiert. Er ist Koordinator von DoSSIER, einem Marie Curie Innovative Training Network, in dem 15 Doktoranden im Bereich domänenspezifischen Systemen für Informationsextraktion und -retrieval ausgebildet werden. Er koordinierte auch das EU-finanzierte VISCERAL-Projekt zur Evaluierung von Algorithmen auf Big Data und das EU-finanzierte KConnect-Projekt zur Technologie für die Analyse von medizinischen Texten. Er ist Autor oder Co-Autor von über 170 Publikationen in wissenschaftlichen Zeitschriften und auf internationalen Konferenzen.
Allan Hanbury ist Professor für Data Intelligence und Leiter der E-Commerce-Forschungsgruppe an der Fakultät für Informatik der TU Wien. Er ist auch Fakultätsmitglied des Complexity Science Hub Vienna. Er war wissenschaftlicher Koordinator des EU-geförderten Khresmoi-Projekts zur Suche und Analyse medizinischer Informationen und ist Mitgründer von Spin-Off-Unternehmen contextflow, das die im Khresmoi-Projekt entwickelte Suchtechnologie für radiologische Bilder kommerzialisiert. Er ist Koordinator von DoSSIER, einem Marie Curie Innovative Training Network, in dem 15 Doktoranden im Bereich domänenspezifischen Systemen für Informationsextraktion und -retrieval ausgebildet werden. Er koordinierte auch das EU-finanzierte VISCERAL-Projekt zur Evaluierung von Algorithmen auf Big Data und das EU-finanzierte KConnect-Projekt zur Technologie für die Analyse von medizinischen Texten. Er ist Autor oder Co-Autor von über 170 Publikationen in wissenschaftlichen Zeitschriften und auf internationalen Konferenzen.
Georg Langs, Associate Professor, Medizinische Universität Wien
Biografie:
Georg Langs ist Assoc. Prof. an der Medizinischen Universität Wien und leitet dort das Computational Imaging Research Lab der Universitätsklinik für Radiologie und Nuklearmedizin. Er ist Mitgründer und Chief Scientist von contextflow GmbH. G.L. hat Mathematik an der TU Wien studiert, und in Informatik an der TU Graz promoviert. Danach war er PostDoc am Applied Mathematics Laboratory der Ecole Centrale de Paris und Research Scientist im Computer Science and Artificial Intelligence Lab des MIT, wo er weiterhin eine Research Affiliate Position inne hat. Er hat über 190 peer reviewed Artikel im Bereich des maschinellen Lernens und der medizinischen Bildgebung veröffentlicht, ist als Gutachter für Journale wie Radiology, European Radiology, IEEE Transactions on Medical Imaging, oder Medical Image Analysis tätig, und war ein Area Chair der IEEE CVPR 2021. G.L. leitet die Arbeitsgruppe “Daten für Forschung und Technologieentwicklung in der Gesundheit” der DIO.
Georg Langs ist Assoc. Prof. an der Medizinischen Universität Wien und leitet dort das Computational Imaging Research Lab der Universitätsklinik für Radiologie und Nuklearmedizin. Er ist Mitgründer und Chief Scientist von contextflow GmbH. G.L. hat Mathematik an der TU Wien studiert, und in Informatik an der TU Graz promoviert. Danach war er PostDoc am Applied Mathematics Laboratory der Ecole Centrale de Paris und Research Scientist im Computer Science and Artificial Intelligence Lab des MIT, wo er weiterhin eine Research Affiliate Position inne hat. Er hat über 190 peer reviewed Artikel im Bereich des maschinellen Lernens und der medizinischen Bildgebung veröffentlicht, ist als Gutachter für Journale wie Radiology, European Radiology, IEEE Transactions on Medical Imaging, oder Medical Image Analysis tätig, und war ein Area Chair der IEEE CVPR 2021. G.L. leitet die Arbeitsgruppe “Daten für Forschung und Technologieentwicklung in der Gesundheit” der DIO.