گنجاندن یادگیری عمیق در تصویربرداری سی تی اشعه ایکس

در سال های اخیر، یادگیری عمیق توجه زیادی را به خود جلب کرده و دستاوردهای چشمگیری در کاربردهای مختلف داشته است. گنجاندن یادگیری عمیق در سی تی اشعه ایکس به یک روند غیرقابل برگشت تبدیل شده است.

در این وبینار، مروری کوتاه بر فناوری یادگیری عمیق خواهیم داشت. بر این اساس، با تمرکز بر مسائل کلیدی در تصویربرداری CT، از جمله حذف نویز، سرکوب مصنوعات، بازسازی تصویر، روش ادغام یادگیری عمیق در ماموریت های مختلف پردازش داده را با پرداختن به چارچوب یادگیری عمیق، طراحی شبکه عصبی، از دست دادن مورد بحث قرار خواهیم داد. توابع، یادگیری چندین حوزه، و همچنین برخی از نتایج تحقیقات اولیه ما. برخی از موضوعات کلیدی در زمینه فعلی و چالش های توسعه فناوری نیز مورد بحث قرار خواهد گرفت.

یوشیانگ زینگ دکترای خود را از دانشگاه ایالتی نیویورک در استونی بروک در سال 2003 دریافت کرد و سپس به عنوان عضو هیئت علمی به دانشگاه Tsinghua پیوست. او در حال حاضر استاد بخش فیزیک مهندسی در دانشگاه Tsinghua چین است. از سال 2003، او به تحقیق در مورد نظریه ها و فن آوری های توسعه و کاربرد سیستم های تصویربرداری اشعه ایکس اختصاص یافته است. او بیش از 150 نشریه تحقیقاتی و بیش از 50 حق ثبت اختراع را تالیف کرده است. علایق فعلی او شامل فیزیک تصویربرداری اشعه ایکس، روش‌های بازسازی برای CT، پردازش تصویر تشعشعی و ارزیابی عملکرد، به‌ویژه روش‌های پیشرفته یادگیری عمیق برای بازسازی CT و کاهش مصنوعات است.

ارتباط سخنران با انتشارات IOP

عضو هیئت تحریریه برای فیزیک در پزشکی و زیست شناسی.

پست گنجاندن یادگیری عمیق در تصویربرداری سی تی اشعه ایکس 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/incorporating-deep-learning-into-x-ray-ct-imaging/