Mitt projekt som doktorand är att hitta nya sätt att kombinera och komplettera informationen från olika medicinska avbildningsmetoder för att ge kliniker användbara diagnostiska verktyg. De avbildningsmetoder som jag för närvarande undersöker är optisk avbildning och magnetisk resonansavbildning (MRI). Verktygen jag använder för att analysera data inkluderar standard och maskininlärningsmetoder.
Publikationer Visa/dölj innehåll
Iulian Emil Tampu, Ida Blystad, Neda Haj-Hosseini, Anders Eklund
(2022)
Deep-learning based brain tumor segmentation using quantitative MRI
Iulian Emil Tampu, Anders Eklund, Kenth Johansson, Oliver Gimm, Neda Haj-Hosseini
(2022)
Classification of thyroid diseases in OCT images using convolutional neural networks
Advanced Biomedical and Clinical Diagnostic and Surgical Guidance Systems XX
Iulian Emil Tampu, Neda Haj-Hosseini, Anders Eklund
(2021)
Does Anatomical Contextual Information Improve 3D U-Net-Based Brain Tumor Segmentation?
Diagnostics
, Vol. 11
Vidare till DOI
Iulian Emil Tampu, Anders Eklund, Neda Haj-Hosseini
(2021)
Deep-learning for thyroid microstructure segmentation in 2D OCT images
Optical Coherence Tomography and Coherence Domain Optical Methods in Biomedicine XXV
Vidare till DOI
Iulian Emil Tampu, Michaela Maintz, Daniela Koller, Kenth Johansson, Oliver Gimm, Arrigo Capitanio, Anders Eklund, Neda Haj-Hosseini
(2020)
Optical coherence tomography for thyroid pathology: 3D analysis of tissue microstructure
Biomedical Optics Express
, Vol. 11
, s. 4130-4149
Vidare till DOI
Sökträffarna kan tyvärr inte visas just nu, vänligen återkom senare