E-HEALTH-COM ist das unabhängige Fachmagazin für Gesundheitstelematik, vernetzte Medizintechnik , Telemedizin und Health-IT für Deutschland, Österreich und die Schweiz.
Mehr

Für das ePaper anmelden

Geben Sie Ihren Benutzernamen und Ihr Passwort ein, um sich an der Website anzumelden

Anmelden

Passwort vergessen?

Handels, Prof. Dr. Heinz

Prof. Dr. rer. nat. habil. Heinz Handels
Prof. Dr. rer. nat. habil. Heinz Handels

Institutsdirektor
Universität zu Lübeck
Institut für Medizinische Informatik

Ratzeburger Allee 160
23562 Lübeck

Telefon: +49 (0)451 3101 5600
Telefax: +49 (0)451 3101 5604

E-Mail-Kontakt
https://www.imi.uni-luebeck.de/institut


Prof. Dr. rer. nat. habil. Heinz Handels ist seit 2010 Direktor des Instituts für Medizinische Informatik an der Universität zu Lübeck und leitet seit 2021 den Forschungsbereich Künstliche Intelligenz in der medizinischen Bild- und Signalverarbeitung am Deutschen Forschungszentrum für Künstliche Intelligenz in Lübeck. Zuvor war er 2003 auf die C4-Professur für Medizinische Informatik an die Universität Hamburg berufen worden und leitete dort bis 2010 das am Universitätsklinikum Hamburg Eppendorf angesiedelte Institut für Medizinische Informatik. Von 1992–2003 arbeitete er als wissenschaftlicher Angestellter und Postdoktorand am Institut für Medizinische Informatik der Universität zu Lübeck und leitete die Arbeitsgruppe Bildverarbeitung und Mustererkennung in der Medizin. In 1999 habilitierte er sich und erhielt die Venia Legendi für das Fach Medizinische Informatik an der Universität zu Lübeck. Sein Diplom-Studium der Informatik sowie sein Studium der Mathematik, Physik und Informatik für das Lehramt der Sekundarstufe I/II konnte er 1987 erfolgreich an der RWTH Aachen abschließen, wo er 1991 auch zum Dr. rer. nat. promovierte.

Seine Forschungsschwerpunkte am Institut für Medizinische Informatik der Universität zu Lübeck und am DFKI liegen in der Entwicklung problemoptimierter, lernfähiger Bildverarbeitungsmethoden und ihre Integration in hybride Bildverarbeitungssysteme zur Unterstützung der medizinischen Diagnostik und Therapie. Im Fokus der methodischen Arbeiten stehen maschinelle Lernverfahren und Deep Learning-Netze zur automatischen Analyse und Erkennung von verschiedenen Krankheitsmustern, Läsionen, Biomarkern, Organen, Geweben, etc. in medizinischen Bildern und Bildfolgen, die zur ärztlichen Unterstützung mit medizinischen Bildverarbeitungsverfahren und Visualisierungstechniken kombiniert werden.