1. <form id='qqmbp'></form>
        <bdo id='qqmbp'><sup id='qqmbp'><div id='qqmbp'><bdo id='qqmbp'></bdo></div></sup></bdo>

            【韶风名家论坛】医学影像小数据深度学习

            题 目:医学影像小数据深度学习 
            主讲人:夏勇 教授、西北工业大学
            主持人:欧阳建权 教授、湘潭大学信息工程学院副院长    
            时 间:亚洲城11月27日(星期二)9:00
            地 点:湘潭大学工科楼阶梯教室
             
            主讲人简介:
              夏勇,男,西北工业大学教授、博导,分别于2001、2004和2007年从西北工业大学计算机学院获得学士、硕士和博士学位;2007年1月加盟悉尼大学信息技术学院生物医学与多媒体技术(BMIT)实验室开展博士后研究,2013年底回到西北工业大学计算机学院工作,现为西工大计算机学院多学科交叉计算研究中心(CMCC)执行主任;现主持国家自然基金面上项目两项,发表学术论文百余篇;担任中国计算机学会青工委委员、中国图象图形学学会视觉大数据专委会常委、中国体视学学会图像分析分会常委、MICS指导委员会委员和VALSE执行领域主席等;现为IEEE-TMI和IEEE-TIP等多个学术期刊审稿人,并担任MICCAI-MCV 2015/2016、MICCAI-DLMIA2017/2018、ISBI 2017、ACM MM2018等多个国际会议的TCP或Session Chair。
             
            报告摘要:
              近年来,深度学习技术得到了迅速发展和广泛应用,尤其在图像分类、人脸识别、语音识别、机器翻译、自然语言理解和棋牌游戏等领域取得了巨大的成功,甚至在某些方面超越了人类的认知水平。深度学习的成功,不仅得益于它使用统一的模型实现对数据的分布式表征和决策分析,从而避免了对经验的过度依赖,更得益于它可以使用庞大的训练数据集进行学习。但是,对于医学图像分析而言,由于医学影像数据获取和标注的困难,可以用于训练模型的数据集往往都比较有限。本报告将以X光胸片、胸部CT图像、视网膜图像、皮肤镜图像和病理图像分析为例,介绍报告人在应用深度学习技术进行医学影像小数据分析的经验和体会,包括使用(1)并联或串联的深度集成学习、(2)与传统方法相结合的深度学习、(3)与领域先验知识相结合的深度学习、(4)深度对抗学习、(5)深度协同学习和(6)深度注意力学习,也将探讨在医学图像小数据上进行深度学习研究所面临的机遇与挑战。 
             
            主办: 湘潭大学“智能计算与信息处理”教育部重点实验室
            湘潭大学信息工程学院
            湘潭大学教务处
             
            欢迎广大师生参加!
             

            版权所有 ? 湘潭大学. 地址:中国亚洲城湘潭
            邮编:411105
            湘ICP备05005862号 湘教QS3-200505-000059
            湘公网安备 43030202001058号

            ca88 亚洲城 亚洲城 亚洲城 亚洲城 亚洲城 亚洲城 亚洲城 亚洲城 亚洲城 亚洲城 亚洲城 ca88 ca88 ca88 ca88 ca88 ca88 ca88 ca88 申博 申博 申博 ca88 亚洲城