Informatica & AI

Beeldverwerking en bio-informatica

Aan de hand van de karakteristieke aspecten van een beeld kunnen bepaalde computers ons vertellen wat het beeld laat zien. Ze kunnen dit leren op dezelfde manier als jonge kinderen beelden kunnen leren herkennen. Het verder verbeteren van deze technieken opent de weg naar een hele reeks nieuwe toepassingen. Biologie en (bio)medische wetenschappen bieden tal van toepassingen voor de informatica. Wij werken graag samen met biologen en medische wetenschappers aan slimme oplossingen voor medische toepassingen. Nu en in de toekomst zullen computers doorslaggevend zijn in de strijd tegen een hele reeks ziekten.

Beeldverwerking

Onderzoek naar beeldverwerking richt zich op bio-imaging, beeldanalyse en visualisatie. Met veel ervaring in high-throughput beeldvorming, 3D-reconstructie, celtracking en patroonherkenning willen we de relatie vinden tussen de geanalyseerde informatie uit beeld en andere bio-moleculaire informatiebronnen. Verder ontwikkelt de onderzoeksgroep nieuwe algoritmen en technieken voor het produceren van beelden met behulp van de allernieuwste apparatuur. Deze helpen om duidelijkere driedimensionale beelden te maken van organen en lichaamscellen. Deze toepassingen vergemakkelijken de functionele studie, de modellering van ziekten en de screening van geneesmiddelen.

Life Science Semantics

De Life Science Semantics groep doet bioinformatica en data science onderzoek op het gebied van kennisontdekking en -integratie. We hebben drie belangrijke onderzoekslijnen

1 - FAIR data ecosystemen; We waren betrokken bij het creëren en definiëren van de FAIR principes en we ontwikkelen methoden en infrastructuur om vindbare, toegankelijke, interoperabele en herbruikbare data mogelijk te maken en te exploiteren in de biowetenschappen, met name in de bio-imaging en systeembiologie. 
2 - Reproduceerbaar onderzoek en provenance; Reproduceerbaarheid en FAIR zijn onlosmakelijk met elkaar verbonden. Als gegevens niet reproduceerbaar zijn, mogen ze niet worden hergebruikt. Wij ontwikkelen methoden en modellen om de reproduceerbaarheid van omics-gegevens te verbeteren met behulp van wetenschappelijke workflows en ontologieën. We zijn vooral geïnteresseerd in het begrijpen van evoluerende kennis en de reproduceerbaarheid en vergelijkbaarheidseffecten van veranderingen in ontologieën en annotaties. 
3 - Semantische benaderingen van verklaarbare AI (XAI); het semantisch structureren van gegevens levert rijkere achtergrondinformatie op voor modellen, waardoor modelontwikkeling wordt verbeterd en resultaten rijker kunnen worden geïnterpreteerd, wat leidt tot betere verklaarbaarheid. We passen deze methoden toe op uitdagingen op het gebied van hergebruik van geneesmiddelen bij onderzoek naar zeldzame ziekten.
Meer informstie over de Life Science Semantics groep (Engelstalig).