ایکس رے سی ٹی امیجنگ میں گہری سیکھنے کو شامل کرنا

حالیہ برسوں میں، گہری تعلیم نے بہت زیادہ توجہ حاصل کی اور مختلف ایپلی کیشنز میں متاثر کن کامیابیاں حاصل کیں۔ ایکس رے سی ٹی میں گہری سیکھنے کو شامل کرنا ایک ناقابل واپسی رجحان بن گیا ہے۔

اس ویبینار میں، ہم گہری سیکھنے کی ٹیکنالوجی کا ایک مختصر جائزہ پیش کریں گے۔ اس بنیاد پر، CT امیجنگ کے اہم مسائل پر توجہ مرکوز کرتے ہوئے، بشمول denoising، artefact suppression، image reconstruction، ہم گہرے سیکھنے کے فریم ورک، نیورل نیٹ ورک ڈیزائن، نقصان کو حل کرتے ہوئے مختلف ڈیٹا پروسیسنگ مشنز میں گہری سیکھنے کو شامل کرنے کے طریقہ کار پر تبادلہ خیال کریں گے۔ فنکشنز، ایک سے زیادہ ڈومین سیکھنے کے ساتھ ساتھ ہمارے کچھ ابتدائی تحقیقی نتائج۔ موجودہ میدان میں کچھ اہم مسائل اور تکنیکی ترقی کے چیلنجز پر بھی بات کی جائے گی۔

یوزیانگ زنگ 2003 میں اسٹونی بروک کی اسٹیٹ یونیورسٹی آف نیویارک سے پی ایچ ڈی کی ڈگری حاصل کی اور پھر سنگھوا یونیورسٹی میں بطور فیکلٹی ممبر شامل ہوئے۔ وہ اس وقت چین کی سنگھوا یونیورسٹی میں انجینئرنگ فزکس کے شعبہ کی پروفیسر ہیں۔ 2003 سے، وہ ایکس رے امیجنگ سسٹم کی ترقی اور اطلاق کے لیے نظریات اور ٹیکنالوجیز پر تحقیق کے لیے وقف ہے۔ اس نے 150 سے زیادہ تحقیقی اشاعتیں اور 50 سے زیادہ پیٹنٹ تصنیف یا شریک تصنیف کی ہیں۔ اس کی موجودہ دلچسپیوں میں ایکس رے امیجنگ فزکس، CT کے لیے تعمیر نو کے طریقے، ریڈی ایشن امیج پروسیسنگ اور کارکردگی کا جائزہ، خاص طور پر CT کی تعمیر نو اور نوادرات کو کم کرنے کے لیے جدید ترین گہری سیکھنے کے طریقے شامل ہیں۔

IOP پبلشنگ کے ساتھ اسپیکر کا رشتہ

کے لئے ادارتی بورڈ کے رکن طب اور حیاتیات میں طبیعیات.

پیغام ایکس رے سی ٹی امیجنگ میں گہری سیکھنے کو شامل کرنا پہلے شائع طبیعیات کی دنیا.

• سکے سمارٹ۔ یورپ کا بہترین بٹ کوائن اور کرپٹو ایکسچینج۔
• پلیٹو بلاک چین۔ Web3 Metaverse انٹیلی جنس۔ علم میں اضافہ۔ مفت رسائی۔
• کرپٹو ہاک۔ Altcoin ریڈار. مفت جانچ.
• ماخذ: https://physicsworld.com/a/incorporating-deep-learning-into-x-ray-ct-imaging/