このウェビナーに参加してみませんか?
従来の X 線 CT 用のモデルベース画像再構成 (MBIR) は、最適化問題として定式化されることが多く、その解は再構成する未知の画像です。
過去数年間の研究は、これらの従来の MBIR 手法のコンポーネントをディープ ニューラル ネットワーク モデルに置き換える方向にシフトしています。 このような統合により、画質の向上と深層学習アーキテクチャの特定の解釈可能性の両方を実現できます。
Jingyan Xu は、深層学習と MBIR を組み合わせたいくつかの既存のアプローチを紹介し、それらの長所、短所、および将来の拡張の可能性について説明します。
ジンヤン・シュー スタンフォード大学で電気工学の博士号を取得。 彼女は現在、ジョンズ・ホプキンス大学の放射線科の助教授です。 彼女の専門分野は、モデルベースの画像再構成手法の開発と、X 線 CT のタスクベースの画質評価です。 最近では、CT 画像生成のためのディープ ラーニングとモデルベースの再構成の相乗的統合に取り組んでいます。
IOPパブリッシングとの講演者関係
最近出版された論文の共著者 医学と生物学の物理学 話題のレビュー、 AI時代の医用画像再構成における凸最適化アルゴリズム.
このウェビナーに参加してみませんか?
Medical Physics Weekのウェビナーで他のAIにサインアップしてみませんか? ライブイベントに参加できない場合でも、今すぐ登録すると、録音が利用可能になり次第アクセスできるようになります。
- 機械学習とAIで創薬を加速
20月3日月曜日、午後XNUMX時(BST) - 放射線治療におけるコンピューター計算と機械学習
20月5日月曜日、午後XNUMX時(BST) - X線CTイメージングにディープラーニングを組み込む
22月12日水曜日、午後XNUMX時(BST) - 医用画像における機械学習モデルに焦点を当てる
23月3日木曜日、午後XNUMX時(BST)
ポスト CT画像生成のための深層学習とモデルベースの再構成の相乗的統合 最初に登場した 物理学の世界.