Image Analysis

In the Image Analysis research area, we develop and apply methods for computational processing and analysis of digital microscopy images, especially for solving problems in biology and medicine. A wide range of biomedical research projects rely on microscopy data which require specifically designed image analysis workflows to support the identification of complex biological processes. In close collaboration with our partners from research and industry, we develop algorithms and software that analyze microscopy images, for example fluorescence microscopy images of cells or other kinds of organic material. Our focus in algorithm development is mainly on methods of signal processing, machine learning, and computer vision for information extraction and interpretation. Besides filtering and denoising for pre-processing and feature extraction methods, we use machine learning approaches such as deep learning for object detection, segmentation, and object tracking. In addition to workflows and algorithms, we implement image analysis software (e.g. Spotty) for biological research to automatically detect, track, and analyze cells and particles to support fundamental research and drug development. For image analysis, we build on tools and frameworks such as MATLAB, OpenCV, and TensorFlow.

 

 

Selected Publications

2021 Jonas Schurr, Christoph Eilenberger, Peter Ertl, Josef Scharinger, and Stephan M. Winkler: Automated Evaluation of Cell Viability in Microfluidic Spheroid Arrays Proceedings of the 10th International Workshop on Innovative Simulation for Healthcare, 18th International Multidisciplinary Modeling & Simulation Multiconference 2021
2016 Daniela Borgmann, Sandra Mayr, Helene Polin, Susanne Schaller, Viktoria Dorfer, Christian Gabriel, Stephan Winkler, and Jaroslaw Jacak: Single Molecule Florescence Microscopy and Machine Learning for Rhesus D Antigen Classification Scientific Reports 6

Selected Projects

LipoDrop

Bei Adipositas (Fettleibigkeit) handelt es sich um eine Ernährungs- und Stoffwechselkrankheit, die durch eine über das normale Maß hinausgehende Vermehrung des Körperfettes mit krankhaften Auswirkungen gekennzeichnet ist. Überschüssige Energie wird im Körper hauptsächlich in Triglyceride umgewandelt, welche im Fettgewebe in sogenannte Lipid Droplets eingespeichert werden. Lipid Droplets stellen aber nicht nur einfache Fettdepots dar sondern sind sehr dynamische Zellorganellen die eine wichtige Rolle in der Regulation der intrazellulären Fettzwischenlagerung und des Lipidmetabolismus haben. Aktuelle Studien zeigen einen eindeutigen Zusammenhang zwischen einer übermäßigen bzw. fehlgesteuerten Triglycerideinlagerung und der Entstehung von Krankheiten wie Adipositas, Krebs und Atheriosklerose, wobei die grundlegenden regulatorischen Mechanismen oft noch nicht bekannt sind.

Ziel gegenwärtiger Forschungsarbeiten ist es, zum einen genau diese Vorgänge auf molekularbiologischer Ebene zu verstehen bzw. zum anderen pharmakologisch wirksame Substanzen zu finden, die eine übermäßige Fetteinlagerung und in weiterer Folge die Entstehung der bereits genannten Krankheiten verhindern. In unserer Arbeitsgruppe haben wir vor kurzem eine auf Fluoreszenzmikroskopie basierende Methode entwickelt, mit der es möglich ist, die Fetteinlagerung in Lipid Droplets in Lebendzellkulturmodellen zu verfolgen.

Die übergeordneten Ziele dieses Projektes sind deshalb die 1) Weiterentwicklung des bestehenden Assays für die Beantwortung detaillierte molekularbiologischer Fragestellungen, 2) Entwicklung bioinformatischer Tools für eine schnelle Auswertung der komplexen generierten Mikroskopiedaten und 3) Identifikation pharmakologischer Substanzen zur Verhinderung der Triglycerideinlagerung in Lipid Droplets mit Hauptaugenmerk auf phytogene Stoffe.


Head

Dr. techn. Peter Lanzerstorfer BSc. MSc.

Researchers

Daniela Martina Borgmann MSc.

Renate Haselgrübler MSc.

Dr. Julian Weghuber

Prof.(FH) DI Dr. Stephan Winkler

Duration

11/2016 - present

Research Areas

ImageAnalysis

Research Institutions

University of Applied Sciences, Upper Austria, Hagenberg Campus

University of Applied Sciences, Upper Austria, Wels Campus

Protein Interaction Lab Funded by the Basis Research Funding of the University of Applied Sciences Upper Austria

Research focus

Food Technology and Nutrition
Software technology and application

Back to Projects