Foco em modelos de aprendizado de máquina em imagens médicas

Este webinar é composto por três apresentações:

• Autocontorno AI de órgãos em estudos de radiação pré-clínica para câncer

Será dada uma visão geral do papel da inteligência artificial (IA) no delineamento automático (contorno) de órgãos em modelos pré-clínicos de pesquisa de câncer. Será mostrado como a IA pode aumentar a eficiência na pesquisa pré-clínica.

Palestrante: Frank Verhaegen é chefe de pesquisa em física de radioterapia na Maastro Clinic e também professora na Universidade de Maastricht, ambas localizadas na Holanda. Ele também é cofundador da empresa SmART Scientific Solutions BV, que desenvolve software de pesquisa para pesquisa pré-clínica do câncer. Seus interesses são física da radioterapia, imagem, pesquisa pré-clínica e simulações de Monte Carlo.

• Aprendizagem profunda da segmentação da próstata em ultrassom tridimensional

Esta apresentação explorará o desenvolvimento e a validação de um algoritmo de segmentação automática da próstata baseado em aprendizado profundo generalizável para imagens de ultrassom tridimensionais. Serão exploradas considerações práticas para implementar ferramentas de segmentação de aprendizado profundo, incluindo o efeito do tamanho do conjunto de dados, qualidade da imagem e tipo de imagem no desempenho da segmentação.

Palestrante: Nathan Orlando é doutorando pelo quinto ano no Departamento de Biofísica Médica da Western University e Robarts Research Institute em Londres, Ontário, Canadá, supervisionado pelo Dr. Aaron Fenster e Dr. Douglas Hoover. Sua pesquisa se concentrou em melhorar a braquiterapia de próstata guiada por ultrassom por meio de soluções baseadas em software e hardware. Antes de começar na Western University, Nathan completou um BSc (Hons) em física na University of Alberta em Edmonton, Alberta, Canadá.

• Modelo de aprendizado profundo validado prospectivamente para segmentar estruturas de deglutição e mastigação em TC

Nesta apresentação, apresentamos um método baseado em aprendizado profundo para delinear automaticamente as estruturas de deglutição e mastigação na TC. Seu potencial de uso no planejamento do tratamento radioterápico para melhorar a eficiência é demonstrado por meio de validação prospectiva.

Palestrante: Aditi Iyer, é desenvolvedora sênior de aplicativos científicos no Departamento de Física Médica do Memorial Sloan Kettering Cancer Center, onde atuou como uma das principais colaboradoras do software de código aberto Ambiente Computacional para Pesquisa Radiológica (CERR) por seis anos. Seus interesses de pesquisa incluem a aplicação de aprendizado de máquina e radiômica para análise de imagens e modelagem preditiva. Antes de ingressar no MSKCC, ela recebeu seu mestrado pela Purdue University, Indiana, onde trabalhou na estimativa de mapas de conectividade funcional de vários assuntos a partir de dados de fMRI.

Relação dos palestrantes com a IOP Publishing

Eles são autores aceitos da coleção foco.

Cadeiras de webinars
Georgios Papanastasiou e guang yang, geditores utentes do conjunto Física em Medicina e Biologia e Aprendizado de máquina: ciência e tecnologia questão de foco, Foco em modelos de aprendizado de máquina em imagens médicas.

O posto Foco em modelos de aprendizado de máquina em imagens médicas apareceu pela primeira vez em Mundo da física.

• Coinsmart. A melhor troca de Bitcoin e criptografia da Europa.
• Platoblockchain. Inteligência Metaverso Web3. Conhecimento Ampliado. ACESSO LIVRE.
• CryptoHawk. Radar Altcoin. Teste grátis.
• Fonte: https://physicsworld.com/a/focus-on-machine-learning-models-in-medical-imaging/