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) Wissenschaftlerinnen, Industrie und Anwenderinnen 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.

Die Kapitel "Label, Refine, Repeat: Extending nnInteractive with Dataset Traversal and nnU-Net Proposals", "AI-based Automated Framework for Quantitative PET/CT Image Analysis", "Anatomy-informed 3D Reconstruction of Tracked Ultrasound Sweeps: A Proof of Concept" sind unter einer Creative Commons Attribution 4.0 International License über link.springer.com frei verfügbar (Open Access).

Deckt alle Bereiche der medizinischen Bildverarbeitung ab Aktuelle Forschungsergebnisse mit einem methodischen Schwerpunkt auf Künstlicher Intelligenz Vertiefung der Gespräche zwischen Wissenschaftlerinnen, Industrie und Anwenderinnen

Autorentext

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. Palm forscht im Bereich KI für die Medizin mit einem Schwerpunkt in der Analyse endoskopischer Bilddaten zur computerunterstützten Diagnose und Therapie.

Prof. em. Tolxdorff ist Experte für maschinelles Lernen, biomedizinisches Datenmanagement, Datenvisualisierung und -analyse sowie Medizinproduktentwicklung in klinischen Workflows.

Inhalt

Session 1: Classification and Detection.- Session 2: Image Acquisition and Reconstruction.- Session 3: Foundation Models.- Session 4: Segmentation.- Session 5: Vision-Language Models.- Session 6: Image Registration and Deformations.- Session 7: Unsupervised and Self-supervised Learning.- Poster Session 1.- Poster Session 2.- Poster Session 3.