มุ่งเน้นไปที่โมเดลการเรียนรู้ของเครื่องในการถ่ายภาพทางการแพทย์

การสัมมนาผ่านเว็บนี้ประกอบด้วยการนำเสนอสามแบบ:

• AI autocontouring ของอวัยวะในการศึกษาการฉายรังสีพรีคลินิกสำหรับมะเร็ง

ภาพรวมจะกล่าวถึงบทบาทของปัญญาประดิษฐ์ (AI) ในการวาดเส้นอัตโนมัติ (การปรับรูปร่าง) ของอวัยวะในรูปแบบการวิจัยมะเร็งพรีคลินิก จะแสดงให้เห็นว่า AI สามารถเพิ่มประสิทธิภาพในการวิจัยพรีคลินิกได้อย่างไร

วิทยากร: แฟรงค์ เวอร์เฮเก้น เป็นหัวหน้าฝ่ายวิจัยฟิสิกส์รังสีบำบัดที่ Maastro Clinic และเป็นศาสตราจารย์ที่ University of Maastricht ซึ่งทั้งคู่ตั้งอยู่ในเนเธอร์แลนด์ เขายังเป็นผู้ร่วมก่อตั้งบริษัท SmART Scientific Solutions BV ซึ่งพัฒนาซอฟต์แวร์การวิจัยสำหรับการวิจัยมะเร็งพรีคลินิก ความสนใจของเขาคือฟิสิกส์รังสีบำบัด การถ่ายภาพ การวิจัยพรีคลินิก และการจำลองแบบมอนติคาร์โล

• การแบ่งส่วนต่อมลูกหมากแบบลึกในอัลตราซาวนด์สามมิติ

การนำเสนอนี้จะสำรวจการพัฒนาและการตรวจสอบอัลกอริธึมการแบ่งส่วนต่อมลูกหมากแบบอัตโนมัติที่ใช้การเรียนรู้เชิงลึกโดยทั่วไปสำหรับภาพอัลตราซาวนด์สามมิติ การพิจารณาเชิงปฏิบัติสำหรับการใช้เครื่องมือการแบ่งส่วนการเรียนรู้เชิงลึกจะได้รับการสำรวจ ซึ่งรวมถึงผลกระทบของขนาดชุดข้อมูล คุณภาพของภาพ และประเภทภาพต่อประสิทธิภาพการแบ่งส่วน

วิทยากร: นาธาน ออร์ลันโด เป็นผู้สมัครระดับปริญญาเอกปีที่ XNUMX ในภาควิชาชีวฟิสิกส์ทางการแพทย์ที่ Western University และสถาบันวิจัย Robarts ในลอนดอน ออนแทรีโอ แคนาดา ภายใต้การดูแลของ Dr. Aaron Fenster และ Dr. Douglas Hoover งานวิจัยของเขามุ่งเน้นไปที่การปรับปรุงการรักษาต่อมลูกหมากโดยใช้อัลตราซาวนด์ผ่านโซลูชันซอฟต์แวร์และฮาร์ดแวร์ ก่อนที่จะเริ่มต้นที่ Western University นาธานสำเร็จการศึกษาระดับปริญญาตรี (เกียรตินิยม) ในสาขาฟิสิกส์ที่มหาวิทยาลัยอัลเบอร์ตาในเมืองเอดมันตัน รัฐแอลเบอร์ตา ประเทศแคนาดา

• โมเดลการเรียนรู้เชิงลึกที่ตรวจสอบแล้วล่วงหน้าสำหรับการแบ่งส่วนโครงสร้างการกลืนและการเคี้ยวใน CT

ในการนำเสนอนี้ เรานำเสนอวิธีการเรียนรู้เชิงลึกเพื่อแยกโครงสร้างการกลืนและการเคี้ยวใน CT โดยอัตโนมัติ ศักยภาพในการนำไปใช้ในการวางแผนการรักษาด้วยรังสีรักษาเพื่อปรับปรุงประสิทธิภาพนั้นแสดงให้เห็นผ่านการตรวจสอบในอนาคต

วิทยากร: อดิต ไอเยอร์เป็นนักพัฒนาแอปพลิเคชันทางวิทยาศาสตร์อาวุโสในภาควิชาฟิสิกส์การแพทย์ที่ศูนย์มะเร็ง Memorial Sloan Kettering ซึ่งเธอได้ทำหน้าที่เป็นผู้สนับสนุนหลักของซอฟต์แวร์ Open-source Computational Environment for Radiological Research (CERR) เป็นเวลาหกปี งานวิจัยที่เธอสนใจ ได้แก่ การประยุกต์ใช้แมชชีนเลิร์นนิงและเรดิโอมิกส์สำหรับการวิเคราะห์ภาพและการสร้างแบบจำลองเชิงทำนาย ก่อนเข้าร่วม MSKCC เธอสำเร็จการศึกษาระดับปริญญาโทจากมหาวิทยาลัย Purdue รัฐอินเดียนา ที่ซึ่งเธอทำงานเกี่ยวกับการประเมินแผนที่การเชื่อมต่อการทำงานแบบหลายหัวข้อจากข้อมูล fMRI

ความสัมพันธ์กับผู้บรรยายกับ IOP Publishing

พวกเขาเป็นผู้เขียนคอลเลกชั่นโฟกัสที่ได้รับการยอมรับ

เก้าอี้สัมมนาออนไลน์
Georgios Papanastasiou และ กวงหยาง, กรัมบรรณาธิการ uest ของข้อต่อ ฟิสิกส์ในการแพทย์และชีววิทยา และ การเรียนรู้ของเครื่อง: วิทยาศาสตร์และเทคโนโลยี ประเด็นสำคัญ, มุ่งเน้นไปที่โมเดลการเรียนรู้ของเครื่องในการถ่ายภาพทางการแพทย์.

โพสต์ มุ่งเน้นไปที่โมเดลการเรียนรู้ของเครื่องในการถ่ายภาพทางการแพทย์ ปรากฏตัวครั้งแรกเมื่อ โลกฟิสิกส์.

• คอยน์สมาร์ท การแลกเปลี่ยน Bitcoin และ Crypto ที่ดีที่สุดในยุโรป
• เพลโตบล็อคเชน Web3 Metaverse ข่าวกรอง ขยายความรู้. เข้าฟรี
• คริปโตฮอว์ก เรดาร์ Altcoin ทดลองฟรี.
• ที่มา: https://physicsworld.com/a/focus-on-machine-learning-models-in-medical-imaging/