Generative Bildbearbeitung kann verwendet werden, um realistische Datensatzverschiebungen zu simulieren und Schwachstellen von biomedizinischen Bildverarbeitungsmodellen aufzudecken, ohne zusätzliche Daten sammeln zu müssen.
BVDM ist ein Modell, das realistische und zeitlich konsistente synthetische Mikroskopievideos mit Pixelmasken generieren kann, um die Leistung von Segmentierungs- und Trackingalgorithmen in der Biomedizin zu verbessern.
Wir schlagen drei verschiedene mehrstufige dichte Verbindungen für den Encoder, den Decoder und über sie hinweg vor, um die Merkmalsaggregation in U-förmigen Architekturen zu verbessern.
LaB-GATr, eine skalierbare Architektur auf Basis von geometrischer Algebra-Transformatoren, ermöglicht das Lernen mit hochauflösenden biomedizinischen Oberflächen- und Volumengittern und erzielt state-of-the-art-Ergebnisse in Anwendungen wie der Vorhersage von Blutströmungen und der Schätzung des postmenstruellen Alters.
Automatisierte Verkalkungsmesh-Erstellung für kardiale digitale Zwillinge ermöglicht präzise Simulationen.