Eine kuratierte Liste von Deep-Learning-Arbeiten zur medizinischen Bildanalyse, klassifiziert nach Technik und Modalität.
Kuratierter Literaturindex für Forscher, die an der Analyse medizinischer Bilder und in der Medizinformatik arbeiten.
Dieses Repository bietet eine strukturierte Bibliographie von begutachteten Deep-Learning-Arbeiten mit Schwerpunkt auf medizinischen Anwendungen, die seit 2015 veröffentlicht wurden. Es ist für Forscher und Ingenieure konzipiert, die sich in der Literatur zu Techniken wie CNNs und RNNs orientieren möchten.
Das Repository klassifiziert systematisch erstklassige Arbeiten von Konferenzen und Fachzeitschriften wie MICCAI, IEEE-TMI und MedIA. Jeder Eintrag ist mit seiner Deep-Learning-Technik, Bildgebungsmodalität, Interessensgebiet, klinischen Datenbank und Publikationsquelle versehen.
Es eignet sich für KI-Forscher und Doktoranden, die neu in den Bereich der medizinischen Bildgebung einsteigen und einen gefilterten Startpunkt für Literaturrecherchen benötigen. Es ist nicht geeignet für Kliniker, die Software für den Point-of-Care suchen, oder Entwickler, die nach produktionsbereitem Modellcode suchen.
Die Arbeiten werden nach neuronalen Netzarchitekturen einschließlich CNNs, FCNs und Autoencodern kategorisiert.
Studien werden nach Bildgebungstypen wie MRT, CT, Ultraschall und H&E-Histologie indexiert.
Einträge verweisen gegebenenfalls auf Standard-Datensätze wie LIDC-IDRI, ADNI und AMIDA.
Enthält Quellzeitschriften und -konferenzen mit Veröffentlichungsjahren ab 2015.
Kostenlos unter seiner Lizenz, ohne kostenpflichtige gehostete Option, da es sich um ein statisches Dokumentations-Repository handelt.
880 offene Remote-Stellen im KI-Training, aktualisiert am 15. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.
Nein, es handelt sich um eine kuratierte Sammlung von Forschungsarbeiten und Metadaten, nicht um eine ausführbare Codebasis.
Die Arbeiten werden aus begutachteten Fachzeitschriften und hochangesehenen Konferenzen gesammelt, die seit 2015 veröffentlicht wurden.
Ja, Beiträge über Pull Requests zum Hinzufügen neuer Literatur, die die Kriterien erfüllt, sind willkommen.
Zekai zuerst in Google sehen