¿Quiere participar en este seminario web?
La reconstrucción de imágenes convencional basada en modelos (MBIR) para rayos X CT a menudo se formula como un problema de optimización, cuya solución es la imagen desconocida que se reconstruirá.
La investigación en los últimos años ha cambiado para reemplazar los componentes de estos métodos MBIR convencionales por modelos de redes neuronales profundas. Dicha integración puede proporcionar una calidad de imagen mejorada y cierta interpretabilidad de la arquitectura de aprendizaje profundo.
Jingyan Xu presentará algunos enfoques existentes que combinan aprendizaje profundo y MBIR, y discutirá sus fortalezas, debilidades y posibles extensiones futuras.
Jing Yan Xu obtuvo su doctorado en ingeniería eléctrica de la Universidad de Stanford. Actualmente es profesora asistente en el Departamento de Radiología de la Universidad Johns Hopkins. Su área de especialización radica en el desarrollo de métodos de reconstrucción de imágenes basados en modelos y evaluación de calidad de imagen basada en tareas para tomografía computarizada de rayos X. Más recientemente, ha estado trabajando en la integración sinérgica del aprendizaje profundo y la reconstrucción basada en modelos para la generación de imágenes de TC.
Relación del ponente con IOP Publishing
Coautor de un artículo publicado recientemente Física en Medicina y Biología revisión de actualidad, Algoritmos de optimización convexa en la reconstrucción de imágenes médicas: en la era de la IA.
¿Quiere participar en este seminario web?
¿Por qué no inscribirse en nuestros otros seminarios web de AI in Medical Physics Week? Incluso si no puede unirse al evento en vivo, registrarse ahora le permite acceder a la grabación tan pronto como esté disponible.
- Aceleración del descubrimiento de fármacos con aprendizaje automático e IA
Lunes 20 de junio, 3 p. m. BST - Cálculo informático y aprendizaje automático en radioterapia
Lunes 20 de junio, 5 p. m. BST - Incorporación del aprendizaje profundo en la tomografía computarizada de rayos X
Miércoles 22 de junio, 12 p. m. BST - Enfoque en modelos de aprendizaje automático en imágenes médicas
Jueves 23 de junio, 3 p. m. BST
El puesto Integración sinérgica de aprendizaje profundo y reconstrucción basada en modelos para la generación de imágenes de TC apareció por primera vez en Mundo de la física.
- Coinsmart. El mejor intercambio de Bitcoin y criptografía de Europa.
- Platoblockchain. Inteligencia del Metaverso Web3. Conocimiento amplificado. ACCESO LIBRE.
- CriptoHawk. Radar de altcoins. Prueba gratis.
- Fuente: https://physicsworld.com/a/synergistic-integration-of-deep-learning-and-model-based-reconstruction-for-ct-image-generation/
- '
- "
- &
- a
- de la máquina
- AI
- algoritmos
- enfoques
- arquitectura
- Reservada
- Legal
- Hoy Disponibles
- a ciertos
- componentes
- En la actualidad
- profundo
- el desarrollo
- descubrimiento
- discutir
- droga
- permite
- Ingeniería
- evaluación
- Evento
- existente
- Experiencia
- extensiones
- Nombre
- Desde
- futuras
- generación de AHSS
- HTTPS
- imagen
- mejorado
- integración
- La Universidad Johns Hopkins
- únete
- aprendizaje
- para vivir
- máquina
- máquina de aprendizaje
- servicios
- medicina
- métodos
- modelos
- Lunes
- más,
- del sistema,
- obtenido
- optimización
- Otro
- parte
- Física
- posible
- presente
- Problema
- Profesor
- proporcionar
- calidad
- RE
- recientemente
- relación
- una estrategia SEO para aparecer en las búsquedas de Google.
- firmar
- a medida
- algo
- Patrocinado
- La
- universidad
- Webinar
- Webinars
- Miércoles
- semana
- trabajando
- años