Medicinsk bildanalys

Gradient bakgrund från teal till ljusblå med hexagonala former som bildar ett nätverksmönster. Innehåller ikoner för mikroskop, lungor, hjärna, DNA och medicinska anteckningar.

Vår forskargrupp är engagerad i att driva utvecklingen av medicinsk bildanalys genom avancerade metoder inom maskininlärning och djupinlärning.

Vi fokuserar på att öka förståelsen för hur djupinlärningstekniker kan tillämpas inom medicinsk bildanalys och utvecklar banbrytande lösningar som förbättrar diagnos, behandling och därigenom patientresultat. Våra medicinska fokusområden är cancer, ortopedi och analys av kroppssammansättning med hjälp av flera bild- och datamodaliteter.

Vårt uppdrag

Vi strävar efter att utveckla ny kunskap, implementera och utvärdera AI-framsteg för medicinska bildtillämpningar samt översätta dessa till kliniskt användbara verktyg som gynnar vården och patienterna.

Forskningsprojekt

Forskningsgrupp

Kodresurser

Publikationer inom forskningsområdet medicinsk bildanalys

Utvalda avhandlingar

Senaste publikationer

2025

Alfredo Ordinola, David Abramian, Magnus Herberthson, Anders Eklund, Evren Özarslan (2025) Super-resolution mapping of anisotropic tissue structure with diffusion MRI and deep learning Scientific Reports, Vol. 15, Artikel 6580 (Artikel i tidskrift) Vidare till DOI
Humaira Batool, Asmat Mukhtar, Sajid Gul Khawaja, Norah Saleh Alghamdi, Asad Mansoor Khan, Adil Qayyum, Ruqqayia Adil, Zawar Khan, Muhammad Usman Akram, Muhammad Usman Akbar, Anders Eklund (2025) Knowledge Distillation and Transformer Based Framework for Automatic Spine CT Report Generation IEEE Access, s. 1-1 (Artikel i tidskrift) Vidare till DOI
Muhammad Usman Akbar, Wuhao Wang, Anders Eklund (2025) Beware of diffusion models for synthesizing medical images - A comparison with GANs in terms of memorizing brain MRI and chest x-ray images Machine Learning: Science and Technology (Artikel i tidskrift) Vidare till DOI
Iulian Emil Tampu, Per Nyman, Christoforos Spyretos, Ida Blystad, Alia Shamikh, Gabriela Prochazka, Teresita Díaz de Ståhl, Johanna Sandgren, Peter Lundberg, Neda Haj-Hosseini (2025) Pediatric brain tumor classification using digital pathology and deep learning: Evaluation of SOTA methods on a multi-center Swedish cohort Brain Pathology, Artikel e70029 (Artikel i tidskrift) Vidare till DOI
Iulian Emil Tampu, Tamara Bianchessi, Ida Blystad, Peter Lundberg, Per Nyman, Anders Eklund, Neda Haj-Hosseini (2025) Pediatric brain tumor classification using deep learning on MR-images with age fusion Neuro-Oncology Advances, Vol. 7, Artikel vdae205 (Artikel i tidskrift) Vidare till DOI

Nyheter

Utbildningar och kurser

Relaterad forskning

Organisation