Concentrati sui modelli di apprendimento automatico nell'imaging medico

Questo webinar è composto da tre presentazioni:

• Autocontouring AI degli organi negli studi preclinici di radiazioni per il cancro

Verrà fornita una panoramica del ruolo dell'intelligenza artificiale (AI) nella delineazione automatica (contornatura) degli organi nei modelli preclinici di ricerca sul cancro. Verrà mostrato come l'IA può aumentare l'efficienza nella ricerca preclinica.

Speaker: Frank Verhagen è a capo della ricerca sulla fisica della radioterapia presso la Maastro Clinic e anche professore all'Università di Maastricht, entrambe con sede nei Paesi Bassi. È anche co-fondatore della società SmART Scientific Solutions BV, che sviluppa software di ricerca per la ricerca preclinica sul cancro. I suoi interessi sono la fisica della radioterapia, l'imaging, la ricerca preclinica e le simulazioni Monte Carlo.

• Deep learning segmentazione della prostata in ecografia tridimensionale

Questa presentazione esplorerà lo sviluppo e la convalida di un algoritmo di segmentazione automatica della prostata basato sull'apprendimento profondo generalizzabile per immagini ecografiche tridimensionali. Verranno esaminate considerazioni pratiche per l'implementazione di strumenti di segmentazione di deep learning, incluso l'effetto delle dimensioni del set di dati, della qualità dell'immagine e del tipo di immagine sulle prestazioni della segmentazione.

Speaker: Nathan Orlando è un dottorando al quinto anno presso il Dipartimento di Biofisica medica presso la Western University e il Robarts Research Institute di Londra, Ontario, Canada, sotto la supervisione del dottor Aaron Fenster e del dottor Douglas Hoover. La sua ricerca si è concentrata sul miglioramento della brachiterapia prostatica ecoguidata attraverso soluzioni sia software che hardware. Prima di iniziare alla Western University, Nathan ha completato una laurea (Hons) in fisica presso l'Università di Alberta a Edmonton, Alberta, Canada.

• Modello di deep learning convalidato in modo prospettico per segmentare le strutture di deglutizione e masticazione nella TC

In questa presentazione, presentiamo un metodo basato sul deep learning per delineare automaticamente le strutture della deglutizione e della masticazione nella TC. Il suo potenziale di utilizzo nella pianificazione del trattamento radioterapico per migliorarne l’efficienza è dimostrato attraverso una validazione prospettica.

Speaker: Aditi Iyer, è una sviluppatrice di applicazioni scientifiche senior presso il Dipartimento di fisica medica del Memorial Sloan Kettering Cancer Center, dove ha contribuito per sei anni al software open source Computational Environment for Radiological Research (CERR). I suoi interessi di ricerca includono l'applicazione dell'apprendimento automatico e della radiomica per l'analisi delle immagini e la modellazione predittiva. Prima di unirsi all'MSKCC, ha conseguito un master presso la Purdue University, Indiana, dove ha lavorato sulla stima delle mappe di connettività funzionale multi-soggetto dai dati fMRI.

Relazione dei relatori con IOP Publishing

Sono autori accettati della raccolta focus.

Sedie per webinar
Georgios Papanastasiou e Guang Yang, Gdirettori del comune Fisica in Medicina e Biologia ed Apprendimento automatico: scienza e tecnologia problema di messa a fuoco, Concentrarsi sui modelli di apprendimento automatico nell'imaging medico.

Il post Concentrati sui modelli di apprendimento automatico nell'imaging medico apparve prima Mondo della fisica.

• Coinsmart. Il miglior scambio di bitcoin e criptovalute d'Europa.
• Platoblockchain. Web3 Metaverse Intelligence. Conoscenza amplificata. ACCESSO LIBERO.
• Criptofalco. Radar Altcoin. Prova gratuita.
• Fonte: https://physicsworld.com/a/focus-on-machine-learning-models-in-medical-imaging/