A. R. Naderi Yaghouti EN
Porträt von Amir Reza Naderi Yaghouti

Marie-Skłodowska-Curie-Fellow · Doktorand in visueller Neurowissenschaft

Amir Reza Naderi Yaghouti

Ich entwickle Deep-Learning- und Computer-Vision-Methoden für die medizinische Bildgebung, derzeit mit Fokus auf der Erkennung von Anomalien der Sehbahn bei Glaukom und seltenen Patientengruppen.

Gemeinsame Promotion · Otto-von-Guericke-Universität Magdeburg & Universität Groningen (Niederlande)

Publikationen
4
Zitationen
58
h-Index
3
i10-Index
2

Über mich

Ich bin Amir Reza Naderi Yaghouti, kurz Amir Naderi, Marie-Skłodowska-Curie-Doktorand im EGRET-AAA-Netzwerk und promoviere gemeinsam an der Otto-von-Guericke-Universität Magdeburg und der Universität Groningen in visueller Neurowissenschaft. In Magdeburg arbeite ich an der Universitätsaugenklinik, betreut von Prof. Michael B. Hoffmann und Dr. Khaldoon O. Al-Nosairy; in Groningen arbeite ich mit Prof. Nomdo M. Jansonius.

In meiner Forschung nutze ich Deep Learning und Computer Vision, um intelligente, datengestützte Diagnosewerkzeuge zu entwickeln. Vor dem Glaukom habe ich zu maschinellem Lernen bei Lebererkrankungen geforscht: zur Einstufung der nichtalkoholischen Fettlebererkrankung anhand von Ultraschallbildern und zur Erkennung der nichtalkoholischen Steatohepatitis aus klinischen und Blutparametern. Ich bin in Teheran geboren und aufgewachsen und habe dort meinen Bachelor und Master in Biomedizintechnik abgeschlossen.

Forschungsinteressen

News

  1. Vortrag auf der CLINICCAI 2026 (MICCAI 2026 Clinical Day) in Straßburg, Frankreich: „Glaucoma Biomarkers Beyond the Optic Disc: Vascular Signal Quantified via Anatomical Masking of a Retinal Foundation Model“. Mehr lesen (öffnet in neuem Tab)

  2. Posterpräsentation auf der EVER 2026 (European Association for Vision and Eye Research) in Florenz, Italien.

  3. Posterpräsentation auf der ECVP 2025 (European Conference on Visual Perception) in Mainz.

  4. Neue Übersichtsarbeit in Archives of Computational Methods in Engineering: künstliche Intelligenz zur Erkennung von Eierstockkrebs in medizinischen Bildern im letzten Jahrzehnt (2013–2023). Mehr lesen (öffnet in neuem Tab)

  5. Neue Publikation im Journal of Biomedical Physics and Engineering: Einstufung der nichtalkoholischen Fettleber mit vortrainierten CNNs und einem Random Forest anhand von B-Mode-Ultraschall. Mehr lesen (öffnet in neuem Tab)

  6. Beginn meiner gemeinsamen Promotion in visueller Neurowissenschaft an der Otto-von-Guericke-Universität Magdeburg und der Universität Groningen als Marie-Skłodowska-Curie-Doktorand (EGRET-AAA, Projekt 9) zu Deep Learning für Anomalien der Sehbahn bei Glaukom. Mehr lesen (öffnet in neuem Tab)

Ältere News anzeigen

  1. Neue Publikation in Scientific Reports: Machine-Learning-Ansätze zur Früherkennung der nichtalkoholischen Steatohepatitis (NASH) aus klinischen und Blutparametern. Mehr lesen (öffnet in neuem Tab)

Publikationen

Vollständige Liste auf Google Scholar

In Begutachtung

  1. Discrimination of benign and malignant ovarian tumors from routine laboratory biomarkers using a tabular foundation model

    AR Naderi Yaghouti, A Shalbaf

    Sci. Rep.Scientific Reports

2025

  1. Classification of Nonalcoholic Fatty Liver Grades using Pre-Trained Convolutional Neural Networks and a Random Forest Classifier on B-Mode Ultrasound Images

    AR Naderi Yaghouti, A Shalbaf

    J. Biomed. Phys. Eng.Journal of Biomedical Physics and Engineering5× zitiert

    ArtikelScholar
    Zitieren
    @article{naderiyaghouti2025classification,
  title = {{Classification of Nonalcoholic Fatty Liver Grades using Pre-Trained Convolutional Neural Networks and a Random Forest Classifier on B-Mode Ultrasound Images}},
  author = {Naderi Yaghouti, A. R. and Shalbaf, A.},
  journal = {Journal of Biomedical Physics and Engineering},
  year = {2025}
}
  2. Artificial intelligence for ovarian cancer detection with medical images: a review of the last decade (2013–2023)

    AR Naderi Yaghouti, A Shalbaf, R Alizadehsani, RS Tan, A Vijayananthan, ...

    Arch. Comput. Methods Eng.Archives of Computational Methods in Engineering 32 (7), 4093-412413× zitiert

    ArtikelScholar
    Zitieren
    @article{naderiyaghouti2025artificial,
  title = {{Artificial intelligence for ovarian cancer detection with medical images: a review of the last decade (2013–2023)}},
  author = {Naderi Yaghouti, A. R. and Shalbaf, A. and Alizadehsani, R. and Tan, R. S. and Vijayananthan, A. and others},
  journal = {Archives of Computational Methods in Engineering},
  volume = {32},
  number = {7},
  pages = {4093--4124},
  year = {2025}
}

2024

  1. Machine learning approaches for early detection of non-alcoholic steatohepatitis based on clinical and blood parameters

    AR Naderi Yaghouti, H Zamanian, A Shalbaf

    Sci. Rep.Scientific Reports 14, 244237× zitiert

    ArtikelDOIScholar
    Zitieren
    @article{naderiyaghouti2024machine,
  title = {{Machine learning approaches for early detection of non-alcoholic steatohepatitis based on clinical and blood parameters}},
  author = {Naderi Yaghouti, A. R. and Zamanian, H. and Shalbaf, A.},
  journal = {Scientific Reports},
  volume = {14},
  pages = {2442},
  year = {2024},
  doi = {10.1038/s41598-024-51741-0}
}

2021

  1. Automatic classification of Non-alcoholic fatty liver using texture features from ultrasound images

    AR Naderi Yaghouti, A Shalbaf, A Maghsoudi

    Tehran Univ. Med. J.Tehran University Medical Journal 79 (1), 10–173× zitiert

    ArtikelScholar
    Zitieren
    @article{naderiyaghouti2021automatic,
  title = {{Automatic classification of Non-alcoholic fatty liver using texture features from ultrasound images}},
  author = {Naderi Yaghouti, A. R. and Shalbaf, A. and Maghsoudi, A.},
  journal = {Tehran University Medical Journal},
  volume = {79},
  number = {1},
  pages = {10--17},
  year = {2021}
}

Forschung

Meine Promotion ist Teil von EGRET-AAA, einem Marie-Skłodowska-Curie-Doktorandennetzwerk für Glaukomforschung, und verteilt sich auf Magdeburg und Groningen.

Promotionsprojekt · Universitätsklinikum Groningen

Glaucomatous retinal changes beyond the optic disc, uncovered by deep learning on fundus images after targeted ablation of specific anatomical structures and regions

Mit Prof. Nomdo M. Jansonius

  • Fundusbildgebung
  • Deep Learning
  • Erklärbare KI

Promotionsprojekt · Otto-von-Guericke-Universität Magdeburg

Deep learning segmentation of anatomical MRI quantifies optic chiasm degeneration in glaucoma

Mit Prof. Michael B. Hoffmann und Dr. Khaldoon O. Al-Nosairy

  • MRT
  • Segmentierung
  • Sehbahn

Frühere Forschung

  1. Teheran, Iran

    Maschinelles Lernen für Lebererkrankungen und Eierstockkrebs

    In Zusammenarbeit mit Dr. Ahmad Shalbaf, Shahid Beheshti University

    Deep-Learning- und Radiomics-Verfahren zur Einstufung der Fettlebererkrankung im Ultraschall, zur Früherkennung der nichtalkoholischen Steatohepatitis aus klinischen und Blutdaten sowie eine Übersichtsarbeit zu KI in der bildgestützten Erkennung von Eierstockkrebs. Veröffentlicht in Scientific Reports, Archives of Computational Methods in Engineering, dem Journal of Biomedical Physics and Engineering und dem Tehran University Medical Journal.

Vorträge & Poster

  1. 2026Vortrag

    CLINICCAI 2026, MICCAI 2026 Clinical Day · Straßburg, FrankreichGlaucoma Biomarkers Beyond the Optic Disc: Vascular Signal Quantified via Anatomical Masking of a Retinal Foundation Model

  2. 2026Poster

    EVER 2026, European Association for Vision and Eye Research · Florenz, Italien

  3. 2025Poster

    ECVP 2025, European Conference on Visual Perception · Mainz, Deutschland

Ausbildung

  1. Logo der Otto-von-Guericke-Universität MagdeburgLogo der Universität Groningen

    Juni 2024 – 2027 (voraussichtlich) · Gemeinsame Promotion

    Promotion (PhD), Visuelle Neurowissenschaft

    Otto-von-Guericke-Universität Magdeburg, Deutschland

    Universität Groningen · Universitätsklinikum Groningen, Niederlande

    Marie-Skłodowska-Curie-Doktorand, EGRET-AAA

  2. Logo der Islamic Azad University

    Sept. 2018 – Okt. 2021

    Master of Science (MSc), Biomedizintechnik

    Islamic Azad University, Science and Research Branch, Teheran

    Masterarbeit Transfer learning with deep convolutional neural networks for classification of liver steatosis: a comparison of radiomics and convolutional features

    Notendurchschnitt 18,43 / 20 (3,77 / 4,0)

  3. Logo der Islamic Azad University

    Sept. 2014 – Juli 2018

    Bachelor of Science (BSc), Biomedizintechnik

    Islamic Azad University, Science and Research Branch, Teheran

    Bachelorarbeit Automated breast lesion segmentation and classification in ultrasound imaging via texture analysis

    Notendurchschnitt 18,09 / 20 (letztes Studienjahr)

Auszeichnungen

  1. 2024

    Marie-Skłodowska-Curie-Promotionsstipendium, EGRET-AAA, EU-Programm Horizont Europa

  2. 2021

    Bestnote für die Masterarbeit

  3. 2021

    Jahrgangsbester im Masterstudium, mit den besten Noten in den meisten Kursen

Kenntnisse & Sprachen

Methoden
Deep Learning (CNNs, Transfer Learning, Segmentierung) · Medizinische Bildanalyse (Fundus, MRT, Ultraschall) · Radiomics & Texturanalyse · Erklärbare KI · Maschinelles Lernen mit klinischen Daten · Signalverarbeitung · Verarbeitung natürlicher Sprache
Programmierung
Python (PyTorch, TensorFlow, MONAI, scikit-learn, OpenCV) · MATLAB · R
Werkzeuge
LaTeX · Git · SPSS · Minitab · RapidMiner · Microsoft Office
Sprachen
Persisch (Muttersprache) · Englisch (C1) · Deutsch (A1)

Kontakt

Ich freue mich über Anfragen zu Forschungskooperationen, medizinischer Bildgebung und KI in der Augenheilkunde.

amir.naderiyaghouti@med.ovgu.de naderi.bme@gmail.com Lebenslauf herunterladen (PDF, Englisch)

Gefördert durch die Europäische Union. Dieses Projekt wird im Rahmen des Forschungs- und Innovationsprogramms Horizont Europa der Europäischen Union unter der Marie-Skłodowska-Curie-Finanzhilfevereinbarung Nr. 101072435 gefördert (EGRET-AAA). Die geäußerten Ansichten und Meinungen sind ausschließlich die des Autors und spiegeln nicht unbedingt die der Europäischen Union oder der Bewilligungsbehörde wider.