Keskenduge meditsiinilise pildistamise masinõppe mudelitele

See veebiseminar koosneb kolmest esitlusest:

• Elundite AI autokontuurimine vähi prekliinilistes kiirgusuuringutes

Antakse ülevaade tehisintellekti (AI) rollist elundite automaatsel piiritlemisel (kontuurimisel) prekliinilistes vähiuuringute mudelites. Näidatakse, kuidas tehisintellekt võib suurendada prekliiniliste uuringute tõhusust.

Speaker: Frank Verhaegen on Maastro kliiniku kiiritusravi füüsika uuringute juht ja ka Maastrichti ülikooli professor, mõlemad asuvad Hollandis. Ta on ka ettevõtte SmART Scientific Solutions BV kaasasutaja, mis arendab prekliiniliste vähiuuringute jaoks uurimistarkvara. Tema huvid on kiiritusravi füüsika, pildistamine, prekliinilised uuringud ja Monte Carlo simulatsioonid.

• Eesnäärme segmenteerimise süvaõppimine kolmemõõtmelises ultraheliuuringus

Selles esitluses uuritakse üldistatava süvaõppepõhise automaatse eesnäärme segmenteerimise algoritmi väljatöötamist ja valideerimist kolmemõõtmeliste ultrahelipiltide jaoks. Uuritakse praktilisi kaalutlusi süvaõppe segmenteerimistööriistade rakendamiseks, sealhulgas andmestiku suuruse, pildikvaliteedi ja pilditüübi mõju segmenteerimise jõudlusele.

Speaker: Nathan Orlando on viienda aasta doktorikandidaat Western University meditsiinilise biofüüsika osakonnas ja Kanadas Ontarios asuvas Robartsi uurimisinstituudis, mida juhendavad dr Aaron Fenster ja dr Douglas Hoover. Tema uurimistöö on keskendunud ultraheliga juhitava eesnäärme brahhüteraapia parandamisele nii tarkvara- kui ka riistvarapõhiste lahenduste kaudu. Enne Western Universitysse asumist omandas Nathan Kanadas Alberta osariigis Edmontonis asuvas Alberta ülikoolis füüsika bakalaureuseõppe (Hons).

• Prospektiivselt kinnitatud süvaõppe mudel neelamis- ja närimisstruktuuride segmenteerimiseks CT-s

Selles esitluses tutvustame sügaval õppimisel põhinevat meetodit neelamis- ja närimisstruktuuride automaatseks piiritlemiseks CT-s. Selle kasutamise potentsiaal kiiritusravi planeerimisel tõhususe parandamiseks on näidatud tulevase valideerimise kaudu.

Speaker: Aditi Iyer, on vanemteaduslike rakenduste arendaja Memorial Sloan Kettering Cancer Centeri meditsiinifüüsika osakonnas, kus ta on kuus aastat olnud avatud lähtekoodiga kiirgusuuringute arvutuskeskkonna (CERR) tarkvara peamine kaasautor. Tema uurimisvaldkonnad hõlmavad masinõppe ja radioomika rakendamist kujutiste analüüsiks ja ennustavaks modelleerimiseks. Enne MSKCC-ga liitumist omandas ta magistrikraadi Purdue ülikoolist Indianas, kus ta töötas fMRI andmete põhjal mitme subjekti funktsionaalsete ühenduvuskaartide hindamisel.

Kõnelejate suhe IOP Publishingiga

Nad on fookuskogu aktsepteeritud autorid.

Veebiseminari toolid
Georgios Papanastasiou ja Guang Yang,gühisuse uest toimetajad Füüsika meditsiinis ja bioloogias ja Masinõpe: teadus ja tehnoloogia fookuse probleem, Keskenduge masinõppe mudelitele meditsiinilises pildistamises.

Postitus Keskenduge meditsiinilise pildistamise masinõppe mudelitele ilmus esmalt Füüsika maailm.

• Münditark. Euroopa parim Bitcoini ja krüptobörs.
• Platoblockchain. Web3 metaversiooni intelligentsus. Täiustatud teadmised. TASUTA PÄÄS.
• CryptoHawk. Altcoini radar. Tasuta prooviversioon.
• Allikas: https://physicsworld.com/a/focus-on-machine-learning-models-in-medical-imaging/