تمرکز بر مدل های یادگیری ماشین در تصویربرداری پزشکی

این وبینار از سه سخنرانی تشکیل شده است:

• AI autocontouring اندام ها در مطالعات پرتو بالینی برای سرطان

مروری بر نقش هوش مصنوعی (AI) در ترسیم خودکار (کانتورینگ) اندام‌ها در مدل‌های تحقیقاتی سرطان پیش بالینی ارائه خواهد شد. نشان داده خواهد شد که چگونه هوش مصنوعی می تواند کارایی را در تحقیقات پیش بالینی افزایش دهد.

سخنران: فرانک ورهگن رئیس تحقیقات فیزیک رادیوتراپی در کلینیک ماسترو، و همچنین استاد دانشگاه ماستریخت، هر دو در هلند است. او همچنین یکی از بنیانگذاران شرکت SmART Scientific Solutions BV است که نرم افزار تحقیقاتی را برای تحقیقات پیش بالینی سرطان توسعه می دهد. علایق او فیزیک رادیوتراپی، تصویربرداری، تحقیقات پیش بالینی و شبیه سازی مونت کارلو است.

• تقسیم بندی پروستات یادگیری عمیق در سونوگرافی سه بعدی

این ارائه توسعه و اعتبار سنجی یک الگوریتم تقسیم خودکار پروستات مبتنی بر یادگیری عمیق قابل تعمیم برای تصاویر سونوگرافی سه بعدی را بررسی خواهد کرد. ملاحظات عملی برای پیاده‌سازی ابزارهای بخش‌بندی یادگیری عمیق از جمله تأثیر اندازه مجموعه داده، کیفیت تصویر و نوع تصویر بر عملکرد بخش‌بندی بررسی خواهد شد.

سخنران: ناتان اورلاندو نامزد سال پنجم دکترا در گروه بیوفیزیک پزشکی در دانشگاه وسترن و موسسه تحقیقاتی روبارتس در لندن، انتاریو، کانادا، تحت نظارت دکتر آرون فنستر و دکتر داگلاس هوور است. تحقیقات او بر بهبود براکی تراپی پروستات با هدایت اولتراسوند از طریق راه حل های مبتنی بر نرم افزار و سخت افزار متمرکز شده است. قبل از شروع به کار در دانشگاه وسترن، ناتان مدرک کارشناسی (Hons) را در فیزیک در دانشگاه آلبرتا در ادمونتون، آلبرتا، کانادا به پایان رساند.

• مدل یادگیری عمیق تایید شده آینده نگر برای تقسیم بندی ساختارهای بلع و جویدن در CT

در این ارائه، ما یک روش مبتنی بر یادگیری عمیق را برای ترسیم خودکار ساختارهای بلع و جویدن در CT ارائه می‌کنیم. پتانسیل آن برای استفاده در برنامه ریزی درمان پرتودرمانی برای بهبود کارایی از طریق اعتبارسنجی آینده نگر نشان داده شده است.

سخنران: آدیتی اییر، یک توسعه دهنده ارشد برنامه های علمی در بخش فیزیک پزشکی در مرکز سرطان مموریال اسلون کترینگ است، جایی که او به مدت شش سال به عنوان یک مشارکت کننده کلیدی در نرم افزار منبع باز Computational Environment for Radiological Research (CERR) خدمت کرده است. علایق تحقیقاتی او شامل کاربرد یادگیری ماشین و رادیومیک برای تجزیه و تحلیل تصویر و مدل سازی پیش بینی است. قبل از پیوستن به MSKCC، او مدرک کارشناسی ارشد خود را از دانشگاه پوردو، ایندیانا دریافت کرد، جایی که او بر روی تخمین نقشه‌های اتصال عملکردی چند موضوعی از داده‌های fMRI کار کرد.

ارتباط سخنرانان با انتشارات IOP

آنها نویسندگان پذیرفته شده مجموعه تمرکز هستند.

صندلی های وبینار
جورجیوس پاپاناستاسیو و گوانگ یانگ، gUest ویراستاران مشترک فیزیک در پزشکی و زیست شناسی و یادگیری ماشینی: علم و فناوری مسئله تمرکز، تمرکز بر مدل های یادگیری ماشین در تصویربرداری پزشکی.

پست تمرکز بر مدل های یادگیری ماشین در تصویربرداری پزشکی به نظر می رسد برای اولین بار در دنیای فیزیک.

• Coinsmart. بهترین صرافی بیت کوین و کریپتو اروپا.
• پلاتوبلاک چین. Web3 Metaverse Intelligence. دانش تقویت شده دسترسی رایگان.
• CryptoHawk. رادار آلت کوین امتحان رایگان.
• منبع: https://physicsworld.com/a/focus-on-machine-learning-models-in-medical-imaging/