Kết hợp học sâu vào chụp ảnh CT X-quang

Trong những năm gần đây, học sâu đã nhận được nhiều sự quan tâm và đạt được những thành tựu ấn tượng trong nhiều ứng dụng khác nhau. Kết hợp học sâu trong CT X-quang đã trở thành một xu hướng không thể đảo ngược.

Trong hội thảo trên web này, chúng tôi sẽ giới thiệu tổng quan ngắn gọn về công nghệ học sâu. Trên cơ sở này, tập trung vào các vấn đề chính trong hình ảnh CT, bao gồm làm biến dạng, triệt tiêu đồ tạo tác, tái tạo hình ảnh, chúng tôi sẽ thảo luận về phương pháp kết hợp học sâu vào các nhiệm vụ xử lý dữ liệu khác nhau bằng cách giải quyết khung học sâu, thiết kế mạng nơ-ron, mất chức năng, học nhiều miền, cũng như một số kết quả nghiên cứu sơ bộ của chúng tôi. Một số vấn đề chính trong lĩnh vực hiện tại và những thách thức về phát triển công nghệ cũng sẽ được thảo luận.

Ngọc Tường nhận bằng Tiến sĩ tại Đại học Bang New York tại Stony Brook vào năm 2003 và sau đó gia nhập Đại học Thanh Hoa với tư cách là giảng viên. Cô hiện là giáo sư khoa vật lý kỹ thuật tại Đại học Thanh Hoa, Trung Quốc. Kể từ năm 2003, cô đã dành cho việc nghiên cứu các lý thuyết và công nghệ để phát triển và ứng dụng các hệ thống hình ảnh X-quang. Cô đã là tác giả hoặc đồng tác giả của hơn 150 ấn phẩm nghiên cứu và hơn 50 bằng sáng chế. Sở thích hiện tại của cô bao gồm vật lý hình ảnh tia X, các phương pháp tái tạo cho CT, xử lý hình ảnh bức xạ và đánh giá hiệu suất, đặc biệt là các phương pháp học sâu tiên tiến để tái tạo CT và thu nhỏ đồ tạo tác.

Mối quan hệ của diễn giả với IOP Publishing

Thành viên ban biên tập cho Vật lý trong Y học & Sinh học.

Các bài viết Kết hợp học sâu vào chụp ảnh CT X-quang xuất hiện đầu tiên trên Thế giới vật lý.

• Coinsmart. Sàn giao dịch Bitcoin và tiền điện tử tốt nhất Châu Âu.
• Platoblockchain. Web3 Metaverse Intelligence. Khuếch đại kiến ​​thức. TRUY CẬP MIỄN PHÍ.
• CryptoHawk. Radar Altcoin. Dùng thử miễn phí.
• Nguồn: https://physicsworld.com/a/incorporated-deep-learning-into-x-ray-ct-imaging/