ReMIC

Forschung

Lehre

Über uns

Foto: OTH Regensburg / Florian Hammerich

Was ist ReMIC?

Unter dem Leitmotiv „Image Computing for Life“ entwickelt das Labor Regensburg Medical Image Computing (ReMIC) Künstliche-Intelligenz-Technologien für die medizinische Bildverarbeitung – von der methodischen Forschung bis zur klinischen Anwendung. Unser Schwerpunkt liegt auf modernen KI-Ansätzen, die Ärztinnen und Ärzte in Diagnose, Therapieplanung und Behandlung unterstützen.

Ein zentraler Fokus ist die Smart Endoscopy:
Wir forschen zu KI-basierten Assistenzsystemen für die Gastroenterologie und die minimal-invasive Chirurgie – mit dem Ziel, Krankheiten früher zu erkennen, Eingriffe präziser durchzuführen und die Patientensicherheit zu erhöhen.

Darüber hinaus stärken wir mit offenen Ressourcen wie den Regensburg Breast Shape Models, dem PhaKIR-Datensatz (MICCAI EndoVis-Challenge 2024) und dem OpenMIBOOD-Benchmark (CVPR 2025) die reproduzierbare und international vernetzte KI-Forschung.

Wir entwickeln vertrauenswürdige KI, die klinisch relevant ist und die medizinische Versorgung präziser, sicherer und effektiver macht.

Laufende Projekte

Smart-GI

Die komplexe Anatomie des oberen Gastrointestinaltrakts erschwert eine frühzeitige und sichere Diagnose. Smart-GI liefert KI-basierte Unterstützung, um Veränderungen schneller zu erkennen und Behandlungen zielgerichteter durchzuführen.

Mehr Infos

Trustworthiness

Trotz hoher Genauigkeit bleiben KI-Modelle in der Medizin oft schwer durchschaubare Black Boxes, deren Vorhersagen fehleranfällig sein können. Wir entwickeln Methoden, die die Grenzen solcher Systeme sichtbar machen und so mehr Zuverlässigkeit, Transparenz und Vertrauen im klinischen Einsatz schaffen.

Mehr Infos

Stilisierte, KI-generierte Darstellung eines KI-Basismodells mit zwei Inputs (Minimal-invasive Chirurgie und ESD) und vielen möglichen Downstream-Tasks auf dem Weg hin zu einem Smarten Operationssaal

MusteR-FM

Chirurgische und endoskopische Videos sind lang, komplex und unter realen OP-Bedingungen oft schwer zuverlässig zu analysieren. MusteR-FM entwickelt daher ein multimodales KI-Basismodell, das klinische Workflows über die Zeit versteht und als Grundlage für verschiedene Anwendungen in medizinischer Forschung und Assistenzsystemen dient.

Mehr Infos

Shape Modeling

Die Regensburg Breast Shape Models sind eine Sammlung frei zugänglicher generativer 3D-Brustformmodelle, die für Forschungszwecke kostenlos genutzt werden können.

Mehr Infos

EndoPlan-3D

Zweidimensionale Endoskopiebilder führen bei der Beurteilung früher GI-Tumoren oft zu unterschiedlichen Einschätzungen. EndoPlan-3D erzeugt daher eine KI-gestützte 3D-Darstellung mit Elastizitätsinformationen und bietet so eine klarere Grundlage für die Behandlungsplanung.

Mehr Infos

alle ReMIC-Projekte

Ausgewählte Publikationshighlights

OpenMIBOOD

Max Gutbrod et al.,
OpenMIBOOD: Open Medical Imaging Benchmarks for Out-Of-Distribution Detection,
IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 25874-25886, 2025.

PhaKIR Challenge

Tobas Rückert et al.,
Comparative validation of surgical phase recognition, instrument keypoint estimation, and instrument instance segmentation in endoscopy: Results of the PhaKIR 2024 challenge,
Medical Image Analysis, Volume 109, 2026, 103945, ISSN 1361-8415.

DIY Challenge Blueprint

Leonard Klausmann et al.,
DIY Challenge Blueprint: From Organization to Technical Realization in Biomedical Image Analysis,
Medical Image Computing and Computer Assisted Intervention (MICCAI),
Lecture Notes in Computer Science 15970, 85-95, 2025

alle ReMIC-Publikationen

Aktuelle Vorlesungen

Ausgewählte THemen der Ki-basierten medizinischen Bildverarbeitung

WiSe 2026/27
V3/Ü1, deutsch
Studiengang Master Informatik
Fakultät Informatik und Mathematik, OTH Regensburg
ELO-Kurs: https://elearning.oth-regensburg.de/course/view.php?id=2525

Vernetzung mit Forschungsstrukturen der OTH

Das ReMIC ist eng vernetzt mit den Forschungsstrukturen der OTH und Mitglied folgender Einrichtungen:

RCBE

Research Center of Biomedical Engineering

RCHST

Research Center of Health Sciences and Technology

RCAI

Research Center for Artificial Intelligence

NEWS

Alle News

OTH Regensburg bringt KI in den Operationssaal der Zukunft

Prof. Dr. Christoph Palm, Experte für Medizinische Bildverarbeitung und KI an der OTH Regensburg, beteiligt sich an einem bayernweit einzigartigen…

Labor ReMIC präsentiert zwei Forschungsarbeiten auf der BVM 2026 in Lübeck

Das Regensburg Medical Image Computing Labor (ReMIC) der OTH Regensburg war mit zwei Beiträgen auf der diesjährigen Fachkonferenz „Bildverarbeitung…

Von der Organisation bis zur technischen Umsetzung: Blueprint einer Eigenlösung für Biomedical Challenges auf der MICCAI 2025

Auf der MICCAI 2025 in Daejeon, Südkorea, stellte Leonard Klausmann am Freitag, den 26. September, die Arbeit zu Do-It-Yourself Infrastrukturen für…

Mit KI endoskopische Eingriffe sicherer planen

OTH Regensburg startet ehrgeiziges Forschungsprojekt EndoPlan-3D: Projektleiter Prof. Dr. Christoph Palm und sein Team entwickeln KI- und…

CARS 2025: KI-Forschung aus Regensburg mit starkem Auftritt

KI trifft Chirurgie: Regensburger Masterarbeit setzt auf der CARS 2025 internationale Akzente.

OpenMIBOOD auf der Weltbühne der Computer Vision

Mit der ausgezeichnet bewerteten Publikation „OpenMIBOOD“ war das ReMIC-Labor der OTH Regensburg auf der weltweit führenden CVPR-Konferenz vertreten.…

Neue Impulse für die Medizin: Spitzenforschung zur Bildverarbeitung an der OTH Regensburg

Die OTH Regensburg war erstmals Gastgeberin der „German Conference on Medical Image Computing“ – Bildverarbeitung für die Medizin (BVM).

Bayerischer Kulturpreis geht an Masterabsolvent der OTH Regensburg

Für seine herausragende Masterarbeit mit dem Schwerpunkt Medizinische Informatik wurde Max Gutbrod am 14. November 2024 mit dem Bayerischen…

Alle News