Scholarlink

<p>Die Konferenz "BVM – Bildverarbeitung für die Medizin" ist seit vielen Jahren als die nationale Plattform für den Austausch von Ideen und die Diskussion der neuesten Forschungsergebnisse im Bereich der Medizinischen Bildverarbeitung und der Künstlichen Intelligenz (KI) etabliert. Auch 2026 haben (junge) Wissenschaftler*innen, Industrie und Anwender*innen diesen Austausch vertieft. Die Beiträge dieses Bandes – die meisten davon in englischer Sprache – umfassen alle Bereiche der medizinischen Bildverarbeitung, insbesondere die Bildgebung und -akquisition, Segmentierung und Analyse, Registrierung, Visualisierung und Animation, computerunterstützte Diagnose sowie bildgestützte Therapieplanung und Therapie. Hierbei kommen Methoden des maschinellen Lernens, der biomechanischen Modellierung sowie der Validierung und Qualitätssicherung zum Einsatz.</p><p>Die Kapitel "Label, Refine, Repeat: Extending nnInteractive with Dataset Traversal and nnU-Net Proposals", "AI-based Automated Framework for Quantitative PET/CT Image Analysis", "Anatomy-informed 3D Reconstruction of Tracked Ultrasound Sweeps: A Proof of Concept" sind unter einer Creative Commons Attribution 4.0 International License über link.springer.com frei verfügbar (Open Access).</p>

错误：搜索内容不能为空，请输入英文关键词
错误：关键词超出字数限制，请精简
高级检索

Bildverarbeitung für die Medizin 2026

  • 会议论文集

  • 发表日期：

    2026年

查看全文

摘要

Die Konferenz "BVM – Bildverarbeitung für die Medizin" ist seit vielen Jahren als die nationale Plattform für den Austausch von Ideen und die Diskussion der neuesten Forschungsergebnisse im Bereich der Medizinischen Bildverarbeitung und der Künstlichen Intelligenz (KI) etabliert. Auch 2026 haben (junge) Wissenschaftler*innen, Industrie und Anwender*innen diesen Austausch vertieft. Die Beiträge dieses Bandes – die meisten davon in englischer Sprache – umfassen alle Bereiche der medizinischen Bildverarbeitung, insbesondere die Bildgebung und -akquisition, Segmentierung und Analyse, Registrierung, Visualisierung und Animation, computerunterstützte Diagnose sowie bildgestützte Therapieplanung und Therapie. Hierbei kommen Methoden des maschinellen Lernens, der biomechanischen Modellierung sowie der Validierung und Qualitätssicherung zum Einsatz.

Die Kapitel "Label, Refine, Repeat: Extending nnInteractive with Dataset Traversal and nnU-Net Proposals", "AI-based Automated Framework for Quantitative PET/CT Image Analysis", "Anatomy-informed 3D Reconstruction of Tracked Ultrasound Sweeps: A Proof of Concept" sind unter einer Creative Commons Attribution 4.0 International License über link.springer.com frei verfügbar (Open Access).