LABEL: Segmentierung der Anatomie in großen Datensätzen unter verrauschten und teils fehler-behafteten Bild Annotationen (Annotation-efficient deep learning for automatic medical image segmentation, Wang et al. 2021)

MEDICARE: Beschleunigte Bildrekonstruktion - Dynamische Multispulen-MRI-Beschleunigung durch Implicit Neural Representations und temporale Regularisierung (CineJENSE: Simultaneous Cine MRI Image Reconstruction and Sensitivity Map Estimation using Neural Representations, Hemidi et al. 2023, submitted to STACOM Workshop at MICCAI 2023)

MEDICARE: Bewegungskompensation - Unüberwachte Deep Learning-Registrierung in unterabgetasteten kardialen MRI K-Raum-Daten zur Kompensation von Atembewegungen (LAPNet: Non-rigid Registration derived in k-space for Magnetic Resonance Imaging, Küstner et al. 2021)

MEIDIC-VTACH: (Bachelorarbeit) Erkennung abnormaler ventrikulärer Schläge in Oberflächen-Zeitseriendaten (Learning Graph Structures With Transformer for Multivariate Time-Series Anomaly Detection in IoT, Chen et al. 2022)

EchoScout: Evaluierung von Gewebedeformationen bei der Rekonstruktion von 3D-Volumen aus Freihand 2D-Ultraschallsequenzen (PDF mit Details; Kontakt: christoph(at)echoscout.ai).

Philips Hamburg: (Masterarbeit) Segmentierung von Koronararterienbäumen aus CT Angiografie-Daten (PDF mit Details; Kontakt: Hannes.Nickisch(at)philips.com).

Hereon: (Praktikum) Entwicklung eines Algorithmus zur automatisierten Analyse von CT-Daten von Metallhydrid-Pulverbetten für die Wasserstoffspeicherung (PDF mit Details; Kontakt: Gerd.Stahlkopf(at)hereon.de).