Szeretnél részt venni ezen a webináriumon?
A hagyományos modell-alapú képrekonstrukciót (MBIR) a röntgen-CT-hez gyakran optimalizálási problémaként fogalmazzák meg, melynek megoldása a rekonstruálandó ismeretlen kép.
Az elmúlt néhány év kutatásai elmozdultak a hagyományos MBIR-módszerek összetevőinek mély neurális hálózati modellekkel való helyettesítésére. Az ilyen integráció javíthatja a képminőséget és a mély tanulási architektúra bizonyos értelmezhetőségét.
Jingyan Xu bemutat néhány, a mély tanulást és az MBIR-t ötvöző meglévő megközelítést, és megvitatja azok erősségeit, gyengeségeit és lehetséges jövőbeli bővítéseit.
Jingyan Xu A Stanford Egyetemen szerzett PhD fokozatot villamosmérnökből. Jelenleg a Johns Hopkins Egyetem Radiológiai Tanszékének adjunktusa. Szakterülete a röntgen-CT modellalapú képrekonstrukciós módszerek és feladatalapú képminőség-értékelés fejlesztése. A közelmúltban a mély tanulás és a modell alapú rekonstrukció szinergikus integrációján dolgozik a CT-képalkotáshoz.
Az előadó kapcsolata az IOP Publishinggel
Egy nemrég megjelent cikk társszerzője Fizika az orvostudományban és a biológiában aktuális áttekintés, Konvex optimalizálási algoritmusok az orvosi képrekonstrukcióban – az AI korában.
Szeretnél részt venni ezen a webináriumon?
Miért nem iratkozik fel az orvosi fizika hét többi mesterségesintelligencia-szemináriumára? Még ha nem is tud csatlakozni az élő eseményhez, a regisztráció most lehetővé teszi, hogy hozzáférjen a felvételhez, amint az elérhető.
- A gyógyszerkutatás felgyorsítása gépi tanulással és mesterséges intelligenciával
Június 20., hétfő, 3 óra BST - Számítógépes számítás és gépi tanulás a sugárterápiában
Június 20., hétfő, 5 óra BST - A mély tanulás beépítése a röntgen CT képalkotásba
Június 22., szerda, 12 óra BST - Fókuszban a gépi tanulási modellek az orvosi képalkotásban
Június 23., csütörtök, 3 óra BST
A poszt A mély tanulás és a modell alapú rekonstrukció szinergikus integrációja a CT képalkotáshoz jelent meg először Fizika Világa.
- Coinsmart. Európa legjobb Bitcoin- és kriptográfiai tőzsdéje.
- Platoblockchain. Web3 metaverzum intelligencia. Felerősített tudás. SZABAD HOZZÁFÉRÉS.
- CryptoHawk. Altcoin radar. Ingyenes próbaverzió.
- Forrás: https://physicsworld.com/a/synergistic-integration-of-deep-learning-and-model-based-reconstruction-for-ct-image-generation/
- '
- "
- &
- a
- hozzáférés
- AI
- algoritmusok
- megközelít
- építészet
- TERÜLET
- Helyettes
- elérhető
- bizonyos
- alkatrészek
- Jelenleg
- mély
- fejlesztése
- felfedezés
- megvitatni
- gyógyszer
- lehetővé teszi
- Mérnöki
- értékelés
- esemény
- létező
- szakvélemény
- kiterjesztések
- vezetéknév
- ból ből
- jövő
- generáció
- HTTPS
- kép
- javított
- integráció
- Johns Hopkins University
- csatlakozik
- tanulás
- él
- gép
- gépi tanulás
- orvosi
- orvostudomány
- mód
- modellek
- hétfő
- több
- hálózat
- kapott
- optimalizálás
- Más
- rész
- Fizika
- lehetséges
- be
- Probléma
- Egyetemi tanár
- ad
- világítás
- RE
- nemrég
- kapcsolat
- Kritika
- <p></p>
- megoldások
- néhány
- Szponzorált
- A
- egyetemi
- webinar
- Webinárium
- Szerda
- hét
- dolgozó
- év