赫里斯蒂娜·乌祖诺娃
人员信息
优化列表
![笔记](https://dblp.org/img/note-mark.dark.12x12.png)
2020年–今天
2024 [公元20年] 简·埃尔哈特 , 赫里斯蒂娜·乌祖诺娃 , 保罗·卡夫坦 , 朱莉娅·克鲁格 , 罗兰·奥菲尔 , 亨氏汉德尔 :
摘要:用于特定结构人群分析的聚焦无监督图像配准。 Bildverabeitung für die Medizin公司 2024 : 52 [i3] 马克·S·塞贝尔 , 赫里斯蒂娜·乌祖诺娃 , 蒂莫·凯普 , 亨氏汉德尔 :
光学相干层析成像图像对比非成对图像到图像转换的解剖学调节。 CoRR公司 abs/2404.05409 ( 2024 ) 2022 [j3] 赫里斯蒂娜·乌祖诺娃 , 马提亚斯·威尔姆斯 , 尼尔斯·D·福克特 , 亨氏汉德尔 , 简·埃尔哈特 :
医学图像生成模型的系统比较。 国际期刊计算。 协助。 无线电。 外科学。 17 ( 7 ) : 1213-1224 ( 2022 ) [c19] 赫里斯蒂娜·乌祖诺娃 , 亨氏汉德尔 , 简·埃尔哈特 :
摘要:用于改进变形自动编码器中形状和外观的解纠缠的引导滤波器正则化。 Bildverabeitung für die Medizin公司 2022 : 81 [第18条] 赫里斯蒂娜·乌祖诺娃 , 莱昂尼·巴索 , 简·埃尔哈特 , 亨氏汉德尔 :
文摘:带病理诱导变形的带注释的病理性视网膜OCT数据的合成。 Bildverabeitung für die Medizin公司 2022 : 197 [第17条] 赫里斯蒂娜·乌祖诺娃 , 莱昂妮·巴索 , 简·埃尔哈特 , 亨氏汉德尔 :
用病理学引起的变形合成带注释的病理性视网膜OCT数据。 医学成像:计算机辅助诊断 2022 [第16条] 赫里斯蒂娜·乌祖诺娃 , 亨氏汉德尔 , 简·埃尔哈特 :
用于无监督病理分离的低秩和稀疏变形自动编码器。 MICCAI的MAD 2022 : 59-69 [第15条] 汉内斯·乌尔里奇 , 赫里斯蒂娜·乌祖诺娃 , 亨氏汉德尔 , 约瑟夫·英格纳夫 :
使用双向递归神经网络对德语元数据进行语义注释的建议。 MIE公司 2022 : 357-361 2021 [c14] 赫里斯蒂娜·乌祖诺娃 , 简·埃尔哈特 , 亨氏汉德尔 :
摘要:使用肿瘤诱导的组织变形生成带注释的脑肿瘤MRI,用于神经网络的训练和评估。 Bildverabeitung für die Medizin公司 2021 : 123 [第13条] 赫里斯蒂娜·乌祖诺娃 , 杰西·克鲁斯 , 保罗·卡夫坦 , 马蒂亚斯·威尔姆斯 , 尼尔斯·D·福克特 , 亨氏汉德尔 , 简·埃尔哈特 :
生成形状建模方法分析-潜在空间属性和可解释性。 Bildverabeitung für die Medizin公司 2021 : 344-349 [第12条] 赫里斯蒂娜·乌祖诺娃 , 亨氏汉德尔 , 简·埃尔哈特 :
引导滤波器正则化,用于改进差分自编码器中形状和外观的解纠缠。 MIDL(中频) 2021 : 774-786 [第1页] 赫里斯蒂娜·乌祖诺娃 :
《生殖模型》(Generative Modelle für pathologische Bilddaten)。 Ausgezeichnete信息发布 2021 : 291-300 2020 [注2] 赫里斯蒂娜·乌祖诺娃 , 简·埃尔哈特 , 亨氏汉德尔 :
基于记忆高效GAN的高分辨率三维医学图像域翻译。 计算。 医学成像图。 86 : 101801 ( 2020 ) [第11条] 赫里斯蒂娜·乌祖诺娃 , 保罗·卡夫坦 , 马提亚斯·威尔姆斯 , 尼尔斯·D·福克特 , 亨氏汉德尔 , 简·埃尔哈特 :
医学图像生成形状模型的定量比较。 Bildverabeitung für die Medizin公司 2020 : 201-207 [第10条] 赫里斯蒂娜·乌祖诺娃 , 简·埃尔哈特 , 费比安·雅各布 , 亚历克斯·弗莱德里乔维奇 , 亨氏汉德尔 :
摘要:多尺度GAN用于高效生成高分辨率医学图像。 Bildverabeitung für die Medizin公司 2020 : 286 【c9】 赫里斯蒂娜·乌祖诺娃 , 简·埃尔哈特 , 亨氏汉德尔 :
使用肿瘤诱导的组织变形生成带注释的脑肿瘤MRI,用于神经网络的训练和评估。 迈克尔(4) 2020 : 501-511 【c8】 玛丽娅·弗莱特曼 , 乌祖诺娃 , 安德烈亚斯·马丁·斯特罗斯 , 扬·格拉赫 , 亚历山大·福尔斯克 , 约尔格·巴克豪森 , 阿帕德·比肖夫 , 亨氏汉德尔 :
用于患者特异性CTA剂量优化的基于深度学习的临床参数特征编码。 健康监护 2020 : 315-322 [i2] 赫里斯蒂娜·乌祖诺娃 , 简·埃尔哈特 , 亨氏汉德尔 :
基于记忆高效GAN的高分辨率三维医学图像域翻译。 CoRR公司 abs/2010.03396 ( 2020 )
2010 – 2019
2019 [j1] 赫里斯蒂娜·乌祖诺娃 , 桑德拉·舒尔茨 , 亨氏汉德尔 , 简·埃尔哈特 :
使用条件变分自编码器在医学图像中进行无监督病理检测。 国际期刊计算。 协助。 无线电。 外科学。 14 ( 三 ) : 451-461 ( 2019 ) 【c7】 乌祖诺娃 , 桑德拉·舒尔茨 , 亨氏汉德尔 , 简·埃尔哈特 :
临床应用的图像处理方法评估-使用条件GAN模拟临床数据。 Bildverabeitung für die Medizin公司 2019 : 15-20 【c6】 赫里斯蒂娜·乌祖诺娃 , 简·埃尔哈特 , 蒂莫·凯普 , 亨氏汉德尔 :
文摘:通过使用变分自编码器的有意义扰动,对应用于医学图像的黑盒分类器进行了解释。 Bildverabeitung für die Medizin公司 2019 : 197 【c5】 赫里斯蒂娜·乌祖诺娃 , 简·埃尔哈特 , 费比安·雅各布 , 亚历克斯·弗莱德里乔维奇 , 亨氏汉德尔 :
多尺度GAN用于高分辨率医学图像的记忆高效生成。 迈克尔(6) 2019 : 112-120 【c4】 赫里斯蒂娜·乌祖诺娃 , 简·埃尔哈特 , 蒂莫·凯普 , 亨氏汉德尔 :
通过使用变分自编码器进行有意义的扰动,对应用于医学图像的黑盒分类器进行了解释。 医学成像:图像处理 2019 : 1094911 [i1] 赫里斯蒂娜·乌祖诺娃 , 简·埃尔哈特 , 法比安·雅各布 , 亚历克斯·弗莱德里乔维奇 , 亨氏汉德尔 :
多尺度GAN用于高分辨率医学图像的记忆高效生成。 CoRR公司 abs/1907.01376 ( 2019 ) 2018 【c3】 赫里斯蒂娜·乌祖诺娃 , 亨氏汉德尔 , 简·埃尔哈特 :
使用基于学习的方法在医学图像中进行无监督病理检测。 Bildverabeitung für die Medizin公司 2018 : 61-66 2017 【c2】 乌祖诺娃 , 亨氏汉德尔 , 简·埃尔哈特 :
基于随机优化的医学图像鲁棒分组仿射配准。 Bildverabeitung für die Medizin公司 2017 : 62-67 【c1】 赫里斯蒂娜·乌祖诺娃 , 马提亚斯·威尔姆斯 , 亨氏汉德尔 , 简·埃尔哈特 :
利用基于模型的数据增强从少量样本训练CNN进行图像配准。 迈克尔(1) 2017 : 223-231
合著者索引
![](https://dblp.org/img/cog.dark.24x24.png)