Впровадження глибокого навчання в рентгенівську комп’ютерну томографію

В останні роки глибоке навчання привернуло багато уваги та досягло вражаючих досягнень у різних додатках. Включення глибокого навчання в рентгенівську КТ стало незворотною тенденцією.

На цьому вебінарі ми дамо короткий огляд технології глибокого навчання. На цій основі, зосереджуючись на ключових питаннях комп’ютерної візуалізації, включаючи усунення шумів, придушення артефактів, реконструкцію зображення, ми обговоримо методологію включення глибокого навчання в різні місії обробки даних шляхом звернення до структури глибокого навчання, дизайну нейронної мережі, втрати функції, багатодоменне навчання, а також деякі наші попередні результати досліджень. Також будуть обговорені деякі з ключових питань поточної галузі та викликів технологічного розвитку.

Юйсян Сін отримала ступінь доктора філософії в Університеті штату Нью-Йорк у Стоуні-Брук у 2003 році, а потім приєдналася до університету Цінхуа як викладач. Зараз вона є професором кафедри інженерної фізики Університету Цінхуа, Китай. З 2003 року вона присвячена дослідженням теорії та технологій для розробки та застосування систем рентгенівської візуалізації. Вона є автором або співавтором понад 150 наукових публікацій і понад 50 патентів. Нині її інтереси включають фізику рентгенівських зображень, методи реконструкції для КТ, обробку радіаційних зображень та оцінку ефективності, особливо передові методи глибокого навчання для реконструкції КТ та зменшення артефактів.

Відносини доповідача з IOP Publishing

Член редколегії за Фізика в медицині та біології.

Повідомлення Впровадження глибокого навчання в рентгенівську комп’ютерну томографію вперше з'явився на Світ фізики.

• Coinsmart. Найкраща в Європі біржа біткойн та криптовалют.
• Платоблокчейн. Web3 Metaverse Intelligence. Розширені знання. БЕЗКОШТОВНИЙ ДОСТУП.
• CryptoHawk. Альткойн Радар. Безкоштовне випробування.
• Джерело: https://physicsworld.com/a/incorporating-deep-learning-into-x-ray-ct-imaging/