Forskningsoutput per år
Forskningsoutput per år
Personlig profil
Forskning
My main research focus is on developing and validating deep learning methods for improving and accelerating cardiovascular magnetic resonance (CMR) imaging.
My specific research goals include improving, accelerating, and facilitating CMR during exercise and fetal CMR through deep learning-based automated image analysis methods for motion detection, motion correction, and segmentation.
Ämnesklassifikation (UKÄ)
- Medicinsk bildbehandling
- Datorseende och robotik (autonoma system)
Fria nyckelord
- Deep learning
- Magnetic Resonance Imaging
- Image analysis
- Image processing
Fingeravtryck
Utforska forskningsämnen där Julius Åkesson är aktiv. Dessa ämnesetiketter kommer från personens arbeten. Tillsammans bildar de ett unikt fingeravtryck.
- 1 Liknande profiler
Samarbeten under de senaste fem åren
Externa samarbeten med länder/områden de senaste 5 åren
Forskningsoutput
- 5 Artikel i vetenskaplig tidskrift
-
Training deep learning based dynamic MR image reconstruction using open-source natural videos
Jaubert, O., Pascale, M., Montalt-Tordera, J., Akesson, J., Virsinskaite, R., Knight, D., Arridge, S., Steeden, J. & Muthurangu, V., 2024 dec., I: Scientific Reports. 14, 1, 11774.Forskningsoutput: Tidskriftsbidrag › Artikel i vetenskaplig tidskrift › Peer review
Öppen tillgång -
Random effects during training: Implications for deep learning-based medical image segmentation
Åkesson, J., Töger, J. & Heiberg, E., 2024 sep., I: Computers in Biology and Medicine. 180, 108944.Forskningsoutput: Tidskriftsbidrag › Artikel i vetenskaplig tidskrift › Peer review
Öppen tillgång -
Diagnostic confidence with quantitative cardiovascular magnetic resonance perfusion mapping increases with increased coverage of the left ventricle
Engblom, H., Ostenfeld, E., Carlsson, M., Åkesson, J., Aletras, A. H., Xue, H., Kellman, P. & Arheden, H., 2024, I: Journal of Cardiovascular Magnetic Resonance. 26, 1, 101007.Forskningsoutput: Tidskriftsbidrag › Artikel i vetenskaplig tidskrift › Peer review
-
Deep learning can yield clinically useful right ventricular segmentations faster than fully manual analysis
Åkesson, J., Ostenfeld, E., Carlsson, M., Arheden, H. & Heiberg, E., 2023, I: Scientific Reports. 13, 1, 1216.Forskningsoutput: Tidskriftsbidrag › Artikel i vetenskaplig tidskrift › Peer review
Öppen tillgång -
Ventricular longitudinal function by cardiovascular magnetic resonance predicts cardiovascular morbidity in HFrEF patients
Berg, J., Åkesson, J., Jablonowski, R., Solem, K., Heiberg, E., Borgquist, R., Arheden, H. & Carlsson, M., 2022, I: ESC Heart Failure. 9, 4, s. 2313-2324Forskningsoutput: Tidskriftsbidrag › Artikel i vetenskaplig tidskrift › Peer review
Öppen tillgång
Projekt
- 1 Aktiva
-
Deep learning methods for automating and accelerating cardiovascular magnetic resonance imaging
Åkesson, J. (Forskare)
2021/10/01 → …
Projekt: Avhandling