吕乐:面向医学图像计算的深度学习与卷积神经网络(65ppt)

来源:本站 浏览

小编:  :COO、执行总编、主编、高级编译、主笔、运营总监、客户经理、咨询总监、行政助理等 9 大岗位全面开放

  :COO、执行总编、主编、高级编译、主笔、运营总监、客户经理、咨询总监、行政助理等 9 大岗位全面开放。

  新智元为COO和执行总编提供最高超百万的年薪激励;为骨干员工提供最完整的培训体系、高于业界平均水平的工资和奖金。

  【新智元导读】本文是美国国家研究院健康临床中心(NIH-CC)吕乐在GTC DC上的演讲整理,主题有关利用深度学习和深度神经网络进行医学影像分析。

  深度学习和深度神经网络对医学成像或医学影像分析有帮助吗?(答案是肯定的)

  为什么以前的以及当前的计算机辅助诊断(computer-aided diagnosis,CAD)系统没有特别成功?

  机器决策对于人类医生来说不好接受:优秀的医生讨厌使用它;不太优秀的医生会困惑,不知道如何使用 →人机协作的决策过程

  预防医学:人类医生做不到的是什么(数百万的人口规模,至少这是不经济的):人口风险分析

  精确医学:a)精确医学中的新的生物标记物,能够更好地协助人类医生做出更精确的判断;b)用于诊断/治疗系统的患者水平相似性检索系统

  可推广? 通过微调AlexNet,对1186例患者(或2372 CTC体积)使用更深的CNN的结肠CADe结果

  更准确的成像使用淋巴结体积作为生物标记,而不是基于直径的RECIST标准?

  使用Holistically-Nested神经网络和CT成像中的结构化优化的自动淋巴结聚类分割

  在大型放射学数据库(780K / 62K患者)交替文本/影像深度挖掘的自动影像解释

  负责大型会展赞助商及参展商拓展、挖掘潜在客户等工作,人工智能及机器人产业方向

  新智元欢迎有志之士前来面试,更多招聘岗位请访问新智元公众号。返回搜狐,查看更多

当前网址:http://www.sx-news.com/keji/2019-02-16/120975.html

免责声明:本文仅代表作者个人观点,与陕西新闻网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。

你可能喜欢的: