Inkorporerer dyb læring i røntgen-CT-billeddannelse

I de senere år har deep learning fået stor opmærksomhed og opnået imponerende resultater i forskellige applikationer. Inkorporering af dyb læring i røntgen-CT er blevet en ikke-reversibel trend.

I dette webinar giver vi et kort overblik over deep learning-teknologi. På dette grundlag vil vi, med fokus på nøglespørgsmålene inden for CT-billeddannelse, herunder denoising, artefaktundertrykkelse, billedrekonstruktion, diskutere metoden til at inkorporere dyb læring i forskellige databehandlingsmissioner ved at adressere deep-learning-rammen, neurale netværksdesign, tab funktioner, flerdomænelæring samt nogle af vores foreløbige forskningsresultater. Nogle af nøglespørgsmålene på det aktuelle felt og teknologiske udviklingsudfordringer vil også blive diskuteret.

Yuxiang Xing modtog sin ph.d. fra State University of New York i Stony Brook i 2003 og blev derefter medlem af Tsinghua University som fakultetsmedlem. Hun er i øjeblikket professor ved afdelingen for teknisk fysik ved Tsinghua University, Kina. Siden 2003 har hun været dedikeret til forskning i teorier og teknologier til udvikling og anvendelse af røntgenbilleddannelsessystemer. Hun har forfattet eller været medforfatter til mere end 150 forskningspublikationer og mere end 50 patenter. Hendes nuværende interesser omfatter røntgenbilleddannelsesfysik, rekonstruktionsmetoder til CT, billedbehandling af stråling og præstationsevaluering, især banebrydende dyb-læringsmetoder til CT-rekonstruktion og reduktion af artefakter.

Speaker forhold til IOP Publishing

Redaktionsmedlem for Fysik i medicin og biologi.

Stillingen Inkorporerer dyb læring i røntgen-CT-billeddannelse dukkede først på Fysik verden.

• Coinsmart. Europas bedste Bitcoin og Crypto Exchange.
• Platoblokkæde. Web3 Metaverse Intelligence. Viden forstærket. FRI ADGANG.
• CryptoHawk. Altcoin radar. Gratis prøveversion.
• Kilde: https://physicsworld.com/a/incorporating-deep-learning-into-x-ray-ct-imaging/