Inkorporerar djupinlärning i röntgen-CT-avbildning

Under de senaste åren har djupinlärning fått stor uppmärksamhet och gjort imponerande prestationer i olika tillämpningar. Att införliva djupinlärning i röntgen-CT har blivit en icke-reversibel trend.

I det här webbseminariet ger vi en kort översikt över teknik för djupinlärning. På grundval av detta, med fokus på nyckelfrågorna inom CT-avbildning, inklusive deoising, artefaktundertryckning, bildrekonstruktion, kommer vi att diskutera metoden för att integrera djupinlärning i olika databehandlingsuppdrag genom att ta itu med ramverket för djupinlärning, neurala nätverksdesign, förlust funktioner, multipeldomäninlärning, samt några av våra preliminära forskningsresultat. Några av nyckelfrågorna på det aktuella området och tekniska utvecklingsutmaningar kommer också att diskuteras.

Yuxiang Xing doktorerade från State University of New York i Stony Brook 2003 och började sedan på Tsinghua University som fakultetsmedlem. Hon är för närvarande professor vid avdelningen för teknisk fysik vid Tsinghua University, Kina. Sedan 2003 har hon ägnat sig åt forskning om teorier och teknologier för utveckling och tillämpning av röntgenbildsystem. Hon har skrivit eller varit medförfattare till mer än 150 forskningspublikationer och mer än 50 patent. Hennes nuvarande intressen inkluderar röntgenbildfysik, rekonstruktionsmetoder för CT, strålningsbildbehandling och prestationsutvärdering, särskilt banbrytande metoder för djupinlärning för CT-rekonstruktion och artefakterreduktion.

Talarrelation med IOP Publishing

Ledamot i redaktionen för Fysik inom medicin och biologi.

Posten Inkorporerar djupinlärning i röntgen-CT-avbildning visades först på Fysikvärlden.

• Myntsmart. Europas bästa bitcoin- och kryptobörs.
• Platoblockchain. Web3 Metaverse Intelligence. Kunskap förstärkt. FRI TILLGÅNG.
• CryptoHawk. Altcoin radar. Gratis provperiod.
• Källa: https://physicsworld.com/a/incorporating-deep-learning-into-x-ray-ct-imaging/