Włączenie uczenia głębokiego do obrazowania rentgenowskiego CT

W ostatnich latach głębokie uczenie zyskało duże zainteresowanie i przyniosło imponujące osiągnięcia w różnych zastosowaniach. Włączenie głębokiego uczenia się do rentgenowskiej tomografii komputerowej stało się nieodwracalnym trendem.

W tym seminarium internetowym przedstawimy krótki przegląd technologii głębokiego uczenia. Na tej podstawie, koncentrując się na kluczowych zagadnieniach obrazowania CT, w tym odszumianiu, tłumieniu artefaktów, rekonstrukcji obrazu, omówimy metodologię włączania głębokiego uczenia do różnych misji przetwarzania danych poprzez odniesienie się do struktury głębokiego uczenia, projektowania sieci neuronowych, utraty funkcje, wielodomenowe uczenie się, a także niektóre z naszych wstępnych wyników badań. Omówione zostaną również niektóre z kluczowych zagadnień w obecnej dziedzinie oraz wyzwania technologiczno-rozwojowe.

Yuxiang Xing uzyskała tytuł doktora na State University of New York w Stony Brook w 2003 roku, a następnie dołączyła do Tsinghua University jako członek wydziału. Obecnie jest profesorem na wydziale fizyki inżynierskiej na Uniwersytecie Tsinghua w Chinach. Od 2003 roku zajmuje się badaniami nad teoriami i technologiami rozwoju i zastosowania systemów obrazowania rentgenowskiego. Jest autorką lub współautorką ponad 150 publikacji naukowych i ponad 50 patentów. Jej obecne zainteresowania obejmują fizykę obrazowania rentgenowskiego, metody rekonstrukcji w CT, przetwarzanie obrazu radiacyjnego i ocenę wydajności, w szczególności najnowocześniejsze metody głębokiego uczenia się w rekonstrukcji CT i redukcji artefaktów.

Relacja prelegenta z IOP Publishing

członek rady redakcyjnej Fizyka w medycynie i biologii.

Post Włączenie uczenia głębokiego do obrazowania rentgenowskiego 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/incorporating-deep-learning-into-x-ray-ct-imaging/