!!Projects per year
Persoonlijk profiel
Quote
"I aim at achieving better, faster, and more widely accessible imaging through the design of intelligent systems that efficiently learn how to optimally and autonomously sense, process, and interpret real-world signals."
Research profile
Ruud van Sloun is an Associate Professor in the Signal Processing Systems group of the Electrical Engineering department at Eindhoven University of Technology (TU/e). He works on advanced sensing and signal processing algorithms, with a special focus on deep learning methods for image formation and reconstruction problems. He has a background in probabilistic signal processing for ultrasound imaging exploiting signal structure and models to derive optimal estimators. He develops powerful signal processing and statistical inference solutions that efficiently leverage data / deep learning and model-based signal structure, predominantly applied to imaging problems. Applications span from ultrasound imaging and MRI to automotive radar.
Van Sloun received an ERC starting grant, an NWO VIDI grant, an NWO RUBICON grant, and a Google Faculty Research award. He also received the 2022 TU/e Young Researcher award.
Academic background
Ruud van Sloun studied Electrical Engineering at Eindhoven University of Technology (TU/e) where he received the MSc and PhD degrees (both cum laude) in 2014 and 2018, respectively. In January 2018, he joined TU/e as an Assistant Professor. Since then, he has been working on deep learning and signal processing for diagnostic (imaging) applications, spending a significant amount of time at foreign research institutes and in industrial labs.
Affiliated with
Affiliated with
Partners in (semi-)industry
- Philips Research
- Onera
Expertise gerelateerd aan duurzame ontwikkelingsdoelstellingen van de VN
In 2015 stemden de VN-lidstaten in met 17 wereldwijde duurzame ontwikkelingsdoelstellingen (Sustainable Development Goals, SDG's) om armoede te beëindigen, de planeet te beschermen en voor iedereen welvaart te garanderen. Het werk van deze persoon draagt bij aan de volgende duurzame ontwikkelingsdoelstelling(en):
-
SDG 3 – Goede gezondheid en welzijn
-
SDG 7 – Betaalbare en schone energie
Vingerafdruk
- 1 Soortgelijke profielen
Samenwerkingen en hoofdonderzoeksgebieden uit de afgelopen vijf jaar
-
Deep Learning for Inverse Lithography and SEM Inspection
van Sloun, R. J. G. (Project Manager) & van Pelt, E. (Projectmedewerker)
1/01/24 → 31/12/29
Project: Third tier
-
Spectralligence AI211009: Spectral Analysis in life sciences and materials sciences through Artificial Intelligence
van Sloun, R. J. G. (Project Manager), Amirrajab, S. (Projectmedewerker) & Merkofer, J. (Projectmedewerker)
1/11/21 → 30/10/24
Project: Third tier
-
Faculty Award RvS:Principled deep learning for robust next-gen medical ultrasound imaging
van Sloun, R. J. G. (Project Manager), van der Hagen, D. (Project communicatie medewerker), Gonzalez Carabarin, L. (Projectmedewerker) & Amirrajab, S. (Projectmedewerker)
11/03/20 → 30/06/23
Project: Onderzoek direct
-
OP-SLEEP: Ontwikkeling Patiëntvriendelijk SLaap EEG Patch
Bergmans, J. W. M. (Project Manager), van Sloun, R. J. G. (Projectmedewerker), Huijben, I. (Projectmedewerker), Huijben, I. (Projectmedewerker), van Gilst, M. M. (Project communicatie medewerker), Hermans, L. W. A. (Projectmedewerker), van der Hagen, D. (Project communicatie medewerker) & Kunkels, Y. (Projectmedewerker)
1/07/19 → 30/04/23
Project: Onderzoek direct
-
Deep learning in ultrasound imaging
van Sloun, R. J. G. (Corresponding author), Cohen, R. & Eldar, Y. C., jan 2020, In: Proceedings of the IEEE. 108, 1, blz. 11-29 19 blz., 8808885.Onderzoeksoutput: Bijdrage aan tijdschrift › Tijdschriftartikel › Academic › peer review
294 Link wordt geopend op een nieuw tabblad Citaten (Scopus)13 Downloads (Pure) -
Super-resolution Ultrasound Localization Microscopy through Deep Learning
van Sloun, R. J. G. (Corresponding author), Solomon, O., Bruce, M., Khaing, Z. Z., Wijkstra, H., Eldar, Y. C. & Mischi, M., mrt 2021, In: IEEE Transactions on Medical Imaging. 40, 3, blz. 829-839 11 blz., 9257449.Onderzoeksoutput: Bijdrage aan tijdschrift › Tijdschriftartikel › Academic › peer review
Open AccessBestand167 Link wordt geopend op een nieuw tabblad Citaten (Scopus)1405 Downloads (Pure) -
Adaptive ultrasound beamforming using deep learning
Luijten, B., Cohen, R., de Bruijn, F. J., Schmeitz, H. A. W., Mischi, M., Eldar, Y. C. & Sloun, R. J. G. V., dec 2020, In: IEEE Transactions on Medical Imaging. 39, 12, blz. 3967-3978 12 blz., 9138451.Onderzoeksoutput: Bijdrage aan tijdschrift › Tijdschriftartikel › Academic › peer review
Open AccessBestand187 Link wordt geopend op een nieuw tabblad Citaten (Scopus)521 Downloads (Pure) -
Deep probabilistic subsampling for task-adaptive compressed sensing
Huijben, I., Veeling, B. S. & van Sloun, R. J. G., 2020. 17 blz.Onderzoeksoutput: Bijdrage aan congres › Paper › Academic
Open AccessBestand557 Downloads (Pure) -
Learning sub-sampling and signal recovery with applications in ultrasound imaging
Huijben, I. A. M. (Corresponding author), Veeling, B. S., Janse, K., Mischi, M. & Sloun, R. J. G. V., 1 dec 2020, In: IEEE Transactions on Medical Imaging. 39, 12, blz. 3955-3966 12 blz., 9138467.Onderzoeksoutput: Bijdrage aan tijdschrift › Tijdschriftartikel › Academic › peer review
58 Link wordt geopend op een nieuw tabblad Citaten (Scopus)17 Downloads (Pure)
Datasets
-
Experimental acoustic characterisation of an endoskeletal antibubble contrast agent: first results
Panfilova, A. (Bijdrager), Chen, P. (Bijdrager), van Sloun, R. J. G. (Bijdrager), Wijkstra, H. (Bijdrager), Postema, M. (Bijdrager), Poortinga, A. T. (Bijdrager) & Mischi, M. (Bijdrager), Zenodo, 17 sep 2021
DOI: 10.5281/zenodo.5514221, https://zenodo.org/record/5514221
Dataset
-
The generalized finite amplitude insert substitution method for estimation of the ultrasound parameter of nonlinearity
Panfilova, A. (Spreker), Chen, X. (Spreker), van Sloun, R. J. G. (Spreker), Wijkstra, H. (Spreker), Sapozhnikov, O. (Spreker) & Mischi, M. (Spreker)
8 dec 2020Activiteit: Types gesprekken of presentaties › Aangemelde presentatie › Wetenschappelijk
-
On what dynamic contrast-enhanced ultrasound tells us about the underlying vascular architecture
Panfilova, A. (Spreker), Shelton, S. E. (Spreker), Caresio, C. (Spreker), van Sloun, R. J. G. (Spreker), Molinari, F. (Spreker), Wijkstra, H. (Spreker), Dayton, P. A. (Spreker) & Mischi, M. (Spreker)
18 jan 2018Activiteit: Types gesprekken of presentaties › Plenaire spreker › Wetenschappelijk
Cursussen
-
Machine learning for signal processing
van Gorp, H., Vullings, R., van Sloun, R. J. G. & van Harten, L. 1/09/17 → 31/08/27
Cursus
-
-
Medical ultrasound
Belt, H. J. W., Lopata, R. G. P., Mischi, M. & van Sloun, R. J. G. 1/09/13 → 31/08/27
Cursus
Knipsels
-
Eindhoven University of Technology Reports Findings in Machine Learning (A review of machine learning applications for the proton MR spectroscopy workflow)
Jansen, J. F. A., van Sloun, R. J. G., Breeuwer, M., Veta, M., Amirrajab, S., Merkofer, J. P. & van de Sande, D. M. J.
17/07/23
1 item van Media-aandacht
Pers / media: Vakinhoudelijk commentaar
-
Prestigious Vidi-Grant for Four TU/e Researchers
Meulemans, W., van Sloun, R. J. G., Fitzgerald, B., Martagan, T. G. & Meijer, J. M.
29/06/23
3 items van Media-aandacht
Pers / media: Vakinhoudelijk commentaar
-
Eindhoven University of Technology Reports Findings in Networks (Shear-Wave Particle-Velocity Estimation and Enhancement Using a Multi-Resolution Convolutional Neural Network)
Chennakeshava, N., Chen, X., Mischi, M. & van Sloun, R. J. G.
4/05/23
1 item van Media-aandacht
Pers / media: Vakinhoudelijk commentaar
-
Researchers from Eindhoven University of Technology Report on Findings in Machine Learning (A Review of the Gumbel-max Trick and Its Extensions for Discrete Stochasticity In Machine Learning)
Huijben, I. & van Sloun, R. J. G.
1/03/23
1 item van Media-aandacht
Pers / media: Vakinhoudelijk commentaar
Impacts
-
Cardiology
van Sloun, R. (Onderzoeker), Harpe, P. (Onderzoeker), Bax, N. (Content manager), van der Hagen, D. (Content manager) & Sanders, R. (Content manager)
Impact: Research Topic/Theme (at group level)