훈련되지 않은 U-net과 새로운 잔차 역투영 연결을 사용하여 목적 함수를 최소화하고 재구성 정확도를 향상시키는 잔차 역투영 기반 딥 이미지 사전 프레임워크
심초음파 영상에서 비지도 이상치 탐지 기법을 활용하여 승모판 역류를 효과적으로 인식할 수 있다.
의료 데이터 주석화의 높은 비용으로 인해 대상 이미지가 레이블이 없다고 가정할 때, 소스 도메인과 대상 도메인 간 데이터 분포 차이로 인한 성능 저하 문제를 해결하기 위해 소스 모델만을 활용하여 대상 도메인에 적응시키는 기법을 제안한다.
PET/CT 영상에서 병변 분할을 위해 트레이서 유형 분류기와 해부학적 지식을 통합한 nnUNet 앙상블 모델을 개발하였다.
종양 인식 반복 환자 간 변형 가능한 이미지 등록 방법인 TRACER는 폐암 환자의 컴퓨터 단층 촬영 스캔을 정확하게 정렬하고 종양을 잘 보존할 수 있다.
Rein을 이용하여 비전 기반 모델(ConvNeXt, DINOv2)을 미세 조정하여 MICCAI 2024 COSAS2024 챌린지에서 우수한 성능을 달성했다.
다양한 영상 모달리티와 종 간 데이터를 통합하여 축삭 및 수초 분할을 위한 일반화된 모델을 개발하고, 이를 통해 연구자들의 워크플로우를 개선하고 장기적으로 유지보수가 용이한 솔루션을 제공한다.
제안된 GCC-UNet 모델은 지역 및 전역 특징을 효과적으로 결합하여 레티나 혈관 분할 성능을 크게 향상시킵니다.
수술 중 신경 렌더링을 통해 3D 해부학적 구조와 2D 수술 영상 간의 등록을 수행하는 새로운 방법을 제안한다.
자기회귀 이미지 확산 모델은 이미지 간 의존성을 학습하여 일관성 있는 이미지 시퀀스를 생성할 수 있으며, 이를 활용하여 부분적으로 샘플링된 MRI 데이터로부터 고품질의 이미지를 재구성할 수 있다.