Prof. Dr. Julia Schnabel

Professur

Computational Imaging and AI in Medicine

Fakultät

Informatik

Wissenschaftliche Laufbahn und Forschungsgebiete

Prof. Schnabel (*1969) arbeitet auf dem Gebiet der medizinischen Bildverabeitung und des maschinellen Lernens. Ihre Forschungsschwerpunkte liegen in den Bereichen der intelligenten Bildgebung bis hin zur klinischen Auswertung, inklusive der komplexen Bewegungsmodellierung, Bildrekonstruktion, Qualitätssicherung, Segmentierung und Klassifizierung, angewandt auf multi-modale, quantitative und dynamische Bildgebung. 

Seit 2021 ist Julia Schnabel Professorin für Computational Imaging and AI in Medicine an der TUM (TUM Liesel Beckmann Distinguished Professorship), gemeinsam mit dem Helmholtz Zentrum München (Helmholtz Distinguished Professorship). Sie studierte an der TU Berlin (1993) und promovierte am University College London (1998), gefolgt von Post-Docs am UMC Utrecht, King's College London, UCL. 2007 wurde sie erst Associate Professor und 2014 Full Professor (Engineering Science) in Oxford, und ab 2015 Professorin (Computational Imaging) an King's College.

Forschungsgruppe.

 

    Wichtigste Auszeichnungen

    • TUM Liesel Beckmann Distinguished Professorship (2021)
    • Helmholtz Distinguished Professorship (2021)
    • Fellow, IEEE (2021)
    • Fellow, ELLIS (2019)
    • Fellow, MICCAI Society (2018)
    • Erwin-Stephan-Preis (1998)

    Clough J, Byrne N, Öksüz I, Zimmer VA, Schnabel JA, King A: “A Topological Loss Function for Deep-learning based image segmentation using persistent homology”. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2020 (early access).

    Abstract

    Rueckert D, Schnabel JA. “Model-based and data-driven strategies in medical image computing”. Proceedings of the IEEE. 2019; 108(10):110-124.

    Abstract

    Öksüz I, Clough J, Ruijsink B, Puyol Antón E, Bustin A, Cruz G, Prieto C, King AP, Schnabel JA. “Deep learning-based detection and correction of cardiac MR motion artefacts during reconstruction for high-quality segmentation”. IEEE Transactions on Medical Imaging. 2020; 39(12):4001-4010.

    Abstract

    Öksüz, Ruijsink JB, Puyol Anton E, Clough JR, Limada Cruz, GJ, Bustin A, Prieto Vasquez C, Botnar RM, Rueckert D, Schnabel JA, King AP. “Automatic CNN-based detection of cardiac MR motion artefacts using k-space data augmentation and curriculum learning”. Medical Image Analysis. 2019; 55:136-147

    Abstract

    Schnabel JA, Heinrich MP, Papież BW, Brady Sir JM. “Advances and challenges in deformable image registration: From image fusion to complex motion modelling”. Medical Image Analysis. 2016; 33:145-148.

    Abstract