将深度学习融入 X 射线 CT 成像

近年来，深度学习受到广泛关注，并在各种应用中取得了令人瞩目的成就。将深度学习融入X射线CT已成为不可逆转的趋势。

在本次网络研讨会中，我们将简要概述深度学习技术。在此基础上，围绕CT成像的去噪、伪影抑制、图像重建等关键问题，从深度学习框架、神经网络设计、损失函数等方面讨论深度学习融入不同数据处理任务的方法。函数，多领域学习，以及我们的一些初步研究成果。还将讨论当前领域的一些关键问题和技术发展挑战。

邢玉祥 2003年在纽约州立大学石溪分校获得博士学位，随后加入清华大学任教。她现任中国清华大学工程物理系教授。自2003年起，一直致力于X射线成像系统开发与应用的理论与技术研究。她撰写或合着了 150 多篇研究出版物和 50 多项专利。她目前的兴趣包括X射线成像物理、CT重建方法、辐射图像处理和性能评估，特别是CT重建和伪影减少的前沿深度学习方法。

演讲者与 IOP Publishing 的关系

编辑委员会成员 医学与生物学物理学.

该职位 将深度学习融入 X 射线 CT 成像 最早出现 物理世界.

• 硬币聪明。 欧洲最好的比特币和加密货币交易所。
• 柏拉图区块链。 Web3 元宇宙智能。 知识放大。 自由登入。
• 加密鹰。 山寨币雷达。 免费试用。
• 资料来源：https://physicalsworld.com/a/incorporating-deep-learning-into-x-ray-ct-imaging/