Menggabungkan pembelajaran mendalam ke dalam pencitraan CT sinar-X

Dalam beberapa tahun terakhir, pembelajaran mendalam mendapatkan banyak perhatian dan membuat pencapaian yang mengesankan di berbagai aplikasi. Memasukkan pembelajaran mendalam dalam CT sinar-X telah menjadi tren yang tidak dapat diubah.

Dalam webinar ini, kami akan memberikan gambaran singkat tentang teknologi pembelajaran mendalam. Atas dasar ini, dengan fokus pada isu-isu utama dalam pencitraan CT, termasuk denoising, penekanan artefak, rekonstruksi gambar, kami akan membahas metodologi menggabungkan pembelajaran mendalam ke dalam misi pemrosesan data yang berbeda dengan menangani kerangka pembelajaran mendalam, desain jaringan saraf, kehilangan fungsi, pembelajaran beberapa domain, serta beberapa hasil penelitian awal kami. Beberapa isu kunci di lapangan saat ini dan tantangan perkembangan teknologi juga akan dibahas.

Yuxiang Xing menerima gelar PhD dari Universitas Negeri New York di Stony Brook pada tahun 2003 dan kemudian bergabung dengan Universitas Tsinghua sebagai anggota fakultas. Dia saat ini adalah profesor departemen fisika teknik di Universitas Tsinghua, Cina. Sejak tahun 2003, ia telah mengabdikan diri untuk penelitian tentang teori dan teknologi untuk pengembangan dan penerapan sistem pencitraan sinar-X. Dia telah menulis atau ikut menulis lebih dari 150 publikasi penelitian dan lebih dari 50 paten. Minatnya saat ini meliputi fisika pencitraan sinar-X, metode rekonstruksi untuk CT, pemrosesan citra radiasi dan evaluasi kinerja, terutama metode pembelajaran mendalam mutakhir untuk rekonstruksi CT dan pengurangan artefak.

Hubungan pembicara dengan Penerbitan IOP

Anggota dewan redaksi untuk Fisika dalam Kedokteran & Biologi.

Pos Menggabungkan pembelajaran mendalam ke dalam pencitraan CT sinar-X muncul pertama pada Dunia Fisika.

• Coinsmart. Pertukaran Bitcoin dan Crypto Terbaik Eropa.
• Platoblockchain. Intelijen Metaverse Web3. Pengetahuan Diperkuat. AKSES GRATIS.
• CryptoHawk. Radar Altcoin. Uji Coba Gratis.
• Sumber: https://physicsworld.com/a/incorporating-deep-learning-into-x-ray-ct-imaging/