Christian Salomonsen
Stillingsbeskrivelse
Heia! Jeg er stipendiat ved Masklæringsgruppa under IFT og SFI Visual Intelligence. Mine interesseområder er innen dyp lærings-metoder for komplekse dataset med både rom- og tidsdimensjoner, spesielt dynamiske PET bilder.
Nylig har jeg arbeidet med metoder for å direkte predikere arteriell input funksjon (AIF) direkte fra dynamiske PET bilder, samt utvikling av fysiologiske begrensninger for disse modellene ved bruk av kinetisk modellering.
Christian Salomonsen,
Kristoffer Wickstrøm,
Samuel Kuttner,
Elisabeth Wetzer
:
Physics-Informed Deep Learning for Improved Input Function Estimation in Motion-Blurred Dynamic [18F]FDG PET Images
16. oktober 2025
Christian Salomonsen,
Kristoffer Wickstrøm,
Samuel Kuttner,
Elisabeth Wetzer
:
Physics-informed deep learning for improved input function estimation in motion-blurred dynamic [18F]FDG PET images
24. september 2025
Christian Salomonsen,
Kristoffer Wickstrøm,
Samuel Kuttner,
Elisabeth Wetzer
:
Physics-Informed Deep Learning for Improved Input Function Estimation in Motion-Blurred Dynamic [18F]FDG PET Images
27. september 2025
Christian Salomonsen,
Kristoffer Wickstrøm,
Elisabeth Wetzer,
Samuel Kuttner
:
Physics-Informed Machine Learning for dynamic PET modeling
2025
Christian Salomonsen
:
KI i hvit frakk: Hvordan kunstig intelligens brukes i medisin
2025
Christian Salomonsen,
Kristoffer Wickstrøm,
Elisabeth Wetzer,
Samuel Kuttner
:
Physics-informed deep learning for improved input function estimation in motion-blurred dynamic [18F]FDG PET images
2025
Christian Salomonsen,
Samuel Kuttner,
Elin Kile
:
Kunstig intelligens: Hvordan kan datamaskiner se?
2024
Christian Salomonsen,
Kristoffer Knutsen Wickstrøm,
Elisabeth Wetzer,
Samuel Kuttner
:
Kinetic modeling based compound loss for deep learning derived input function prediction in dynamic [18F]FDG PET images of mice
2024
Christian Salomonsen,
Kristoffer Knutsen Wickstrøm,
Elisabeth Wetzer,
Samuel Kuttner
:
Kinetic modeling based compound loss for deep learning derived input function prediction in dynamic [18F]FDG PET images of mice
2024
Christian Salomonsen,
Kristoffer Knutsen Wickstrøm,
Elisabeth Wetzer,
Samuel Kuttner
:
Kinetic modeling based compound loss for deep learning derived input function prediction in dynamic [18F]FDG PET images of mice
2024
De 50 siste resultatene fra Cristin vises på siden. Se alle arbeider i Cristin her →