Vous souhaitez participer à ce webinaire?
La reconstruction d'image basée sur un modèle (MBIR) conventionnelle pour la tomodensitométrie à rayons X est souvent formulée comme un problème d'optimisation, dont la solution est l'image inconnue à reconstruire.
La recherche de ces dernières années s'est déplacée pour remplacer les composants de ces méthodes MBIR conventionnelles par des modèles de réseaux de neurones profonds. Une telle intégration peut fournir à la fois une qualité d'image améliorée et une certaine interprétabilité de l'architecture d'apprentissage en profondeur.
Jingyan Xu présentera quelques approches existantes combinant apprentissage profond et MBIR, et discutera de leurs forces, faiblesses et extensions futures possibles.
Jingyan Xu a obtenu son doctorat en génie électrique à l'Université de Stanford. Elle est actuellement professeure adjointe au Département de radiologie de l'Université Johns Hopkins. Son domaine d'expertise réside dans le développement de méthodes de reconstruction d'images basées sur des modèles et d'évaluation de la qualité d'image basée sur des tâches pour la tomodensitométrie à rayons X. Plus récemment, elle a travaillé sur l'intégration synergique de l'apprentissage en profondeur et de la reconstruction basée sur des modèles pour la génération d'images CT.
Relation conférencier avec IOP Publishing
Co-auteur d'un article récemment publié Physique en médecine et biologie revue d'actualité, Algorithmes d'optimisation convexe dans la reconstruction d'images médicales - à l'ère de l'IA.
Vous souhaitez participer à ce webinaire?
Pourquoi ne pas vous inscrire à nos autres webinaires AI in Medical Physics Week ? Même si vous ne pouvez pas rejoindre l'événement en direct, l'inscription vous permet désormais d'accéder à l'enregistrement dès qu'il est disponible.
- Accélérer la découverte de médicaments grâce à l'apprentissage automatique et à l'IA
Lundi 20 juin, 3hXNUMX BST - Calcul informatique et apprentissage automatique en radiothérapie
Lundi 20 juin, 5hXNUMX BST - Intégration de l'apprentissage en profondeur dans l'imagerie CT à rayons X
Mercredi 22 juin, 12h BST - Zoom sur les modèles d'apprentissage automatique en imagerie médicale
Jeudi 23 juin, 3hXNUMX BST
Le poste Intégration synergique de l'apprentissage en profondeur et de la reconstruction basée sur des modèles pour la génération d'images CT apparaît en premier sur Monde de la physique.
- Coinsmart. Le meilleur échange Bitcoin et Crypto d'Europe.
- Platoblockchain. Intelligence métaverse Web3. Connaissance amplifiée. ACCÈS LIBRE.
- CryptoHawk. Radar Altcoins. Essai gratuit.
- Source : https://physicsworld.com/a/synergistic-integration-of-deep-learning-and-model-based-reconstruction-for-ct-image-generation/
- '
- "
- &
- a
- accès
- AI
- algorithmes
- approches
- architecture
- Réservé
- Assistante gérante
- disponibles
- certaines
- composants électriques
- Lecture
- profond
- développement
- découverte
- discuter
- drogue
- permet
- ENGINEERING
- évaluation
- événement
- existant
- nous a permis de concevoir
- extensions
- Prénom
- De
- avenir
- génération
- HTTPS
- image
- amélioré
- l'intégration
- Johns Hopkins University
- rejoindre
- apprentissage
- le travail
- click
- machine learning
- médical
- médecine
- méthodes
- numériques jumeaux (digital twin models)
- lundi XNUMX
- PLUS
- réseau et
- obtenu
- à mettre en œuvre pour gérer une entreprise rentable. Ce guide est basé sur trois décennies d'expérience
- Autre
- partie
- Physique
- possible
- représentent
- Problème
- Professeur
- fournir
- qualité
- RE
- récemment
- relation amoureuse
- Avis
- signer
- sur mesure
- quelques
- Sponsorisé
- La
- université
- en direct
- Webinaires
- Mercredi
- semaine
- de travail
- années