Inkorporerer dyp læring i røntgen-CT-avbildning

De siste årene har dyp læring fått mye oppmerksomhet og gjort imponerende prestasjoner i ulike applikasjoner. Å inkludere dyp læring i røntgen-CT har blitt en ikke-reversibel trend.

I dette webinaret gir vi en kort oversikt over dyplæringsteknologi. På dette grunnlaget, med fokus på nøkkelproblemene innen CT-avbildning, inkludert deoising, artefaktundertrykkelse, bilderekonstruksjon, vil vi diskutere metodikken for å inkorporere dyp læring i forskjellige databehandlingsoppdrag ved å adressere rammeverket for dyp læring, nevrale nettverksdesign, tap funksjoner, flerdomenelæring, samt noen av våre foreløpige forskningsresultater. Noen av de sentrale spørsmålene i det aktuelle feltet og teknologiske utviklingsutfordringer vil også bli diskutert.

Yuxiang Xing mottok sin doktorgrad fra State University of New York i Stony Brook i 2003 og begynte deretter på Tsinghua University som fakultetsmedlem. Hun er for tiden professor ved avdelingen for ingeniørfysikk ved Tsinghua University, Kina. Siden 2003 har hun vært viet til forskning på teorier og teknologier for utvikling og anvendelse av røntgenbildesystemer. Hun har forfatter eller medforfatter til mer enn 150 forskningspublikasjoner og mer enn 50 patenter. Hennes nåværende interesser inkluderer røntgenbildefysikk, rekonstruksjonsmetoder for CT, strålingsbildebehandling og ytelsesevaluering, spesielt banebrytende dyplæringsmetoder for CT-rekonstruksjon og reduksjon av gjenstander.

Foredragsholder forhold til IOP Publishing

Redaksjonsmedlem for Fysikk i medisin og biologi.

Innlegget Inkorporerer dyp læring i røntgen-CT-avbildning dukket først på Fysikkens verden.

• Myntsmart. Europas beste Bitcoin og Crypto Exchange.
• Platoblokkkjede. Web3 Metaverse Intelligence. Kunnskap forsterket. FRI TILGANG.
• CryptoHawk. Altcoin Radar. Gratis prøveperiode.
• Kilde: https://physicsworld.com/a/incorporating-deep-learning-into-x-ray-ct-imaging/