亚游登录网址,亚游集团网站

学术报告XUE SHU BAO GAO
当前位置:
亚游登录网址  >  学术报告  >  正文

Deep learning for medical imaging: from single-domain to dual-domain reconstruction

发布时间:2020-09-11发布单位: 点击量:

报告人 张意 报告时间 2020 年 9 月 8 号上午 8:30:‐10:00
报告地点 腾讯会议(ID:414 187 105)

报告题目:Deep learning for medical imaging: from single-domain to dual-domain reconstruction

报 告 人:张意,四川大学副教授

照    片:

邀 请 人:冯象初 教授、王卫卫 教授

报告时间:2020 年 9 月 8 号上午 8:30:‐10:00

报告平台:腾讯会议(ID:414 187 105)

报告人简介:张意,四川大学计算机学院软件工程系系主任,副教授/博导,1983 年生, 四川大学博士,美国伦斯勒理工学院博士后。主要研究图像重建、稀疏表达、深度学习,主持国家重点研发计划子课题、国家自然科学基金、四川省科技支撑计划项目等国家级省部级课题。目前已在 IEEE TMI、IEEE TCI、IEEE TRPMS、IEEE SPL、IEEE GRSL、MedIA、OE、BOE、European Radiology 等权威国际学术期刊发表论文 60 余篇,多次受邀本领域多个主流会议(IEEE NSS/MIC, IEEE ISBI, Fully 3D,SIAM IS, SPIE Optics Engineering + Applications 等)上作特邀报告。中国体视学会智能成像分会副秘书长、中国生物医学工程学会医学图像信息与控制分会委员,中国自动化学会分数阶系统与控制专委会委员,中国计算机学会 YOCSEF 成都委员。

报告摘要:近年来,基于深度学习的医学成像方法受到越来越广泛的关注。数据预处理、图像后处理及迭代展开的方法都展示了不同的优势,但是这些方法大部分在单一空间进行处理,并未同时考虑影像数据的多空间性质。基于这一考虑,本报告主要介绍课题组在基于深度学习的医学图像重建领域的一些工作成果和研究进展,主要包括低剂量 CT 图像重建、快速 MRI 重建、OCT 图像重建等相关工作,最后将展望基于深度学习的成像方法未来发展的趋势。

XML 地图 | Sitemap 地图