Gå til hovedindhold

Projekter

DEPICT består af adskillige projekter baseret på kunstig intelligens og medicinsk billedanalyse. Projekterne arbejder med billeddannelse og automatisk analyse, der sikrer bedre og hurtigere undersøgelser og beskrivelser. Nedenfor kan du se eksempler på aktuelle projekter.

Automatisk segmentering af læsioner på MR-skanninger af patienter med Multipel Sklerose

PhD. projektet har til formål at bane vejen for klinisk implementering af en model til MS-læsionssegmentering ved optimering gennem brug af store, heterogene kliniske datasæt og Deep Learning-teknologi.

Deep Learning til tumorafgrænsning på PET/CT-billeder af patienter med hoved- og halskræft

Ph.d.-projektet har til formål at evaluere anvendelsen af Deep Learning til at forbedre afgrænsningen af tumorer på PET/CT-billeder af hoved- og halskræft (HNC).

Digital tvilling til PET-skanning

PhD. projektet har til formål at forbedre diagnosepotentialet af helkrops Positron Emission Tomo-graphy/Computed Tomography (PET/CT) billedfremstilling ved at skabe personlige syntetiske sunde PET-baselines ved hjælp af avancerede Deep Learning-teknikker.

Risikovurdering af brystkræft i mammografiscreening ved kombineret vævstætheds- og Deep Learning-baseret teksturanalyse

Ph.d. -projektet undersøger en ny tilgang til risikovurdering af udviklingen af brystkræft ved at kombinere kirtelvævets tæthed og tekstur. Formålet er at inddele kvinder i specifikke risikogrupper for brystkræft, med henblik på at kunne tilbyde screening tilpasset den individuelle kvindes risikoprofil.