Chcesz wziąć udział w tym webinarium?
Konwencjonalna rekonstrukcja obrazu oparta na modelu (MBIR) dla tomografii rentgenowskiej jest często formułowana jako problem optymalizacji, którego rozwiązaniem jest nieznany obraz do rekonstrukcji.
Badania w ciągu ostatnich kilku lat przesunęły się w kierunku zastąpienia elementów tych konwencjonalnych metod MBIR głębokimi modelami sieci neuronowych. Taka integracja może zapewnić zarówno lepszą jakość obrazu, jak i pewną interpretowalność architektury głębokiego uczenia.
Jingyan Xu przedstawi kilka istniejących podejść łączących głębokie uczenie i MBIR oraz omówi ich mocne i słabe strony oraz możliwe przyszłe rozszerzenia.
Jingyan Xu doktorat z elektrotechniki uzyskała na Uniwersytecie Stanforda. Obecnie jest adiunktem w Zakładzie Radiologii na Uniwersytecie Johnsa Hopkinsa. Jej obszar specjalizacji obejmuje opracowywanie metod rekonstrukcji obrazów opartych na modelach oraz zadaniowej oceny jakości obrazu w tomografii rentgenowskiej. Ostatnio pracuje nad synergiczną integracją głębokiego uczenia i rekonstrukcji opartej na modelach w celu generowania obrazów CT.
Relacja prelegenta z IOP Publishing
Współautor niedawno opublikowanego Fizyka w medycynie i biologii przegląd tematyczny, Algorytmy optymalizacji wypukłej w rekonstrukcji obrazów medycznych — w dobie AI.
Chcesz wziąć udział w tym webinarium?
Dlaczego nie zapisać się na nasze inne webinaria AI w ramach tygodnia fizyki medycznej? Nawet jeśli nie możesz dołączyć do wydarzenia na żywo, rejestracja teraz umożliwia dostęp do nagrania, gdy tylko będzie ono dostępne.
- Przyspieszenie odkrywania leków dzięki uczeniu maszynowemu i sztucznej inteligencji
Poniedziałek 20 czerwca, godz. 3:XNUMX czasu BST - Obliczenia komputerowe i uczenie maszynowe w radioterapii
Poniedziałek 20 czerwca, godz. 5:XNUMX czasu BST - Włączenie uczenia głębokiego do obrazowania rentgenowskiego CT
Środa 22 czerwca, godz. 12:XNUMX czasu BST - Skoncentruj się na modelach uczenia maszynowego w obrazowaniu medycznym
Czwartek 23 czerwca, godz. 3:XNUMX czasu BST
Post Synergiczna integracja głębokiego uczenia i rekonstrukcji opartej na modelu w celu generowania obrazów CT pojawiła się najpierw na Świat Fizyki.
- Coinsmart. Najlepsza w Europie giełda bitcoinów i kryptowalut.
- Platoblockchain. Web3 Inteligencja Metaverse. Wzmocniona wiedza. DARMOWY DOSTĘP.
- CryptoJastrząb. Radar Altcoin. Bezpłatna wersja próbna.
- Źródło: https://physicsworld.com/a/synergistic-integration-of-deep-learning-and-model-based-reconstruction-for-ct-image-generation/
- '
- "
- &
- a
- dostęp
- AI
- Algorytmy
- awanse
- architektura
- POWIERZCHNIA
- Asystent
- dostępny
- pewien
- składniki
- Obecnie
- głęboko
- rozwijanie
- odkrycie
- dyskutować
- lek
- Umożliwia
- Inżynieria
- ewaluację
- wydarzenie
- Przede wszystkim system został opracowany
- ekspertyza
- rozszerzenia
- i terminów, a
- od
- przyszłość
- generacja
- HTTPS
- obraz
- ulepszony
- integracja
- Johns Hopkins University
- przystąpić
- nauka
- relacja na żywo
- maszyna
- uczenie maszynowe
- medyczny
- lekarstwo
- metody
- modele
- Poniedziałek
- jeszcze
- sieć
- uzyskane
- optymalizacja
- Inne
- część
- Fizyka
- możliwy
- teraźniejszość
- Problem
- Profesor
- zapewniać
- jakość
- RE
- niedawno
- związek
- przeglądu
- znak
- rozwiązanie
- kilka
- Łącza
- Połączenia
- uniwersytet
- Webinar
- Seminaria
- Wednesday
- tydzień
- pracujący
- lat