线上 | 迪英加董事长兼联合创始人杨林: 深度学习在生物医学影像分析的应用

11月9日（周四）晚8点，在将门技术社群，我们邀请到的是将门被投企业——医疗影像领域人工智能公司迪英加科技董事长兼联合创始人、美国佛罗里达大学终身教授杨林博士，他将为我们带来“Deep Learning in Biomedical Image Analysis”的主题分享。

活动信息

▼

主题：Deep Learning in Biomedical Image Analysis

时间：11月9日（周四）20:00

地点：将门创投斗鱼直播间

分享提纲

▼

数字病理图像分析可以为改善诸如肺癌、乳腺癌、脑肿瘤等疾病的表征提供关键的定量支持。但随着图像数据量的不断增加，人工处理这些海量数据效率太低且是不可能完成的。因此深度学习在生物医学图像分析领域的应用引起了广泛关注。

在本次分享中，我们将介绍深度学习在数字病理学中的多个应用，尤其是针对各类病理图像的细胞检测任务的应用。深度学习方法通常采用原始输入数据，并通过一系列非线性变换逐步学习分层特征表示。理论和实践都证明，深层架构能够通过学习高度复杂的函数从而揭示出数据的内在结构。卷积神经网络（CNN）是最成功和最广泛使用的体系结构之一。

 

因此在本次分享中，我们还将重点介绍几个基于CNN的学习框架，包括全卷积网络（FCN）、Deep Voting和结构化回归，以实现高效且稳健的细胞检测。以上三种架构均采用卷积层和二次采样层进行层次化特征表示，FCN中使用反卷积层进行特征向上采样，这对于端到端的训练至关重要。具体而言，FCN无需调用滑动窗口测试，非常适合用于大规模的图像分析。

嘉宾介绍

▼

杨林

迪英加董事长、联合创始人

美国佛罗里达大学终身教授

杨林博士本科毕业于西安交通大学，现在是美国佛罗里达大学生物医学工程系、电子与计算机工程系、计算机系三系终身副教授博导，具有超过15年影像大数据研发经验，是人工智能医学和深度学习处理影像大数据国际知名专家。获得2008年ISBI NIH杰出青年科学家论文奖，2015医学图像分析顶级年会(MICCAI) 青年科学家和最佳论文奖，发表同行评议的学术论文100多篇，参与编撰2本基于深度学习的医学图像分析和计算机辅助诊疗的专著。在国际权威期刊和顶级会议发表SCI期刊和会议论文100多篇：其中包括PAMI, CVPR, ECCV, AAAI, MICCAI 等。

近年来，杨林博士主持或参与了多项美国国家健康局R01基金(NIH R01)、美国肺癌协会基金等科研项目，2017年参与编撰了一本基于深度学习的医学图像分析的最新前沿专著：“基于深度学习和卷积神经网络的医学图像分析”。

转自：将门创投

完整内容请点击“阅读原文”