이 웨비나에 참여 하시겠습니까?
X-ray CT를 위한 기존의 모델 기반 이미지 재구성(MBIR)은 종종 최적화 문제로 공식화되며, 그 솔루션은 재구성할 미지의 이미지입니다.
지난 몇 년 동안의 연구는 이러한 기존 MBIR 방법의 구성 요소를 심층 신경망 모델로 대체하는 방향으로 전환되었습니다. 이러한 통합은 향상된 이미지 품질과 딥 러닝 아키텍처의 특정 해석 가능성을 모두 제공할 수 있습니다.
Jingyan Xu는 딥 러닝과 MBIR을 결합한 몇 가지 기존 접근 방식을 제시하고 강점, 약점 및 향후 확장 가능성에 대해 논의합니다.
쑤 징얀 Stanford University에서 전기 공학 박사 학위를 취득했습니다. 그녀는 현재 Johns Hopkins University의 방사선과 조교수입니다. 그녀의 전문 분야는 X선 CT를 위한 모델 기반 이미지 재구성 방법 및 작업 기반 이미지 품질 평가 개발에 있습니다. 보다 최근에는 CT 이미지 생성을 위한 딥 러닝과 모델 기반 재구성의 시너지 통합에 대해 연구하고 있습니다.
IOP Publishing과 연사 관계
최근 출간된 공동저자 의학 및 생물학 물리학 화제 검토, AI 시대의 의료 이미지 재구성에서 볼록 최적화 알고리즘.
이 웨비나에 참여 하시겠습니까?
Medical Physics Week 웨비나에서 다른 AI에 등록하지 않으시겠습니까? 라이브 이벤트에 참여할 수 없더라도 지금 등록하면 녹음이 제공되는 즉시 액세스할 수 있습니다.
- 머신 러닝과 AI로 신약 개발 가속화
20월 3일 월요일 오후 XNUMX시(BST) - 방사선 치료에서의 컴퓨터 계산 및 기계 학습
20월 5일 월요일 오후 XNUMX시(BST) - 딥 러닝을 X선 CT 영상에 통합
22월 12일 수요일, 오후 XNUMX시(BST) - 의료 영상의 머신 러닝 모델에 초점
23월 3일 목요일 오후 XNUMX시(BST)
포스트 CT 영상 생성을 위한 딥 러닝과 모델 기반 재구성의 시너지 통합 첫 번째 등장 물리 세계.
