logo

BMAI

バイオメディカルAI研究ユニット

En

Ja

ニュース&トピックス

7本の論文がRSNA 2025にアクセプトされました

更新日 :
2025.08.22
カテゴリー :
発表

7本の論文がRSNA 2025にアクセプトされました

Mustain Billahさん, Hanhong Heさん, Jifeng Zuさん, Fatma Beltaiefさん, Haitian Zhangさん (卒業生), Shogo Kodera (卒業生), Dichao Liu (研究員) による7本の論文が、11月30日-12月4日に米国シカゴで開催される、臨床系医用画像分野のトップカンファレンスである 111th Scientific Assembly and Annual Meeting of Radiological Society of North America (RSNA 2025) にアクセプトされました。
おめでとう!

発表
November 30, 2025 (Sun) 11:45-12:15
Scientific Poster Sessions

He Y., Ou Y., Dai P., Yang Y., Jin Z., and Suzuki K.: Orientation-Consistent Patch Sampling Method Based on Centerline for Colon Segmentation in CT

November 30, 2025 (Sun) 13:00-14:00
Scientific Poster Sessions

Zu J., Jin Z., Rahmaniar W., and Suzuki K.: Synthesizing Virtual High-Dose Images from Low-Dose Images Using DD-MNet with Dual-Domain Denoising and Detail Reconstruction in Digital Mammography

December 1, 2025 (Mon) 9:00-9:30
Scientific Poster Sessions

Kodera S., Chavoshian S.M., Oshibe H., Jin Z., and Suzuki K.: Difficulty-Based Active Boosting for Robust Lung Nodule Classification with Multi-Expert MTANN Ensemble

December 1, 2025 (Mon) 9:00-9:30
Scientific Poster Sessions

Zhang H., Rahmaniar W., Yang Y., Nakatani F., Miyake M., and Suzuki K.: Sequence-Aware MTANN for Segmentation of Rare Soft-Tissue Sarcomas in Multi-Sequence MRI with Missing Sequences

December 1, 2025 (Mon) 12:15-12:45
Scientific Poster Sessions

Billah M., Liu D., and Suzuki K.: Small-data AI: Semi-Supervised Contrastive-Learning (SSCL-MTANN) for Classification Between Malignant and Benign Lung Nodules in 3D CT in Small Sample-Size Scenario

December 2, 2025 (Tue) 9:00-9:30
Scientific Poster Sessions

Beltaief F., Rahmaniar W., Jin Z., and Suzuki K.: Knowledge Distillation for Lesion Detection and Classification on DBT for Limited Datasets Using Deep Learning

December 2, 2025 (Tue) 15:00-16:00
Science Session

Liu D., Hori M., Sofue K., Murakami T., and Suzuki K.: Transparent AI for Liver Cancer Diagnosis in MRI with Explanations in LI-RADS Language