Fabian Isensee

RecycleNet verbessert die Entscheidungsfindung von neuronalen Netzwerken für bessere Vorhersagen bei medizinischen Bildern.

Einfache Anpassungen am nnU-Net verbessern die Genauigkeit der Tumorsegmentierung in der medizinischen Bildgebung.

Qualitativ hochwertige Bildannotationen sind entscheidend für den Erfolg von KI in der Bildanalyse.

Die Automatisierung der Tumorsegmentierung in PET/CT-Bildern verbessert die Genauigkeit und beschleunigt die Diagnose.

Ein neuer Ansatz verbessert die Genauigkeit der MS-Läsionssegmentierung in MRT-Scans.

Verbesserung der Segmentierung von Zahnstrukturen mit fortschrittlichen Bildgebungstechniken.