直播预告 | "医学图像与人工智能"主题论坛

2020 年 7 月 7 日 中国图象图形学报


新一代人工智能浪潮下, AI正在向医学影像领域深度渗透,为医学带来了全新改变,医学影像人工分析的低效、主观、不同质等固有缺陷,以及影像分析师的巨大缺口,都使得医学影像成为人工智能最有价值的应用场景。


本期图图Seminar由《中国图象图形学报》联合北方民族大学计算机科学与工程学院,以“医学图像与人工智能”为主题,邀请医学图像处理领域的学者,通过网络直播,精解基础概念、分析算法原理、剖析经典案例、带相关领域读者从入门进阶到学术前沿。




图图Seminar

医学图像与人工智能



主办单位

中国图象图形学报

承办单位

中国图象图形学学会成像探测与感知专委会

中国体视学学会图像分析分会

北方民族大学计算机科学与工程学院

宁夏智能信息与大数据处理重点实验室

九三学社宁夏青年联络委员会


直播主题


医学图像与人工智能



直播时间


2020711日(周六) 上午 09:00-12:00


活动议程


09:00-09:05  周   涛  主持及活动介绍

09:05-10:00  白相志  医学影像分析——从简单到复杂问题解决看深度学习

10:00-10:20 《中国图象图形学报》简介及“AI+医学影像”专刊推介

10:20-11:20 冯朝路   模糊聚类与曲线演化模型——挑战、研究与应用


活动召集人




周涛

教授


北方民族大学计算机科学与工程学院特聘二级教授,博士生导师。现任中国青年科技工作者协会常务理事,中国图象图形学学会理事,中国体视学学会理事,陕西省信号处理学会理事,中国人工智能学会人工智能基础专委会委员,中国医学装备协会核医学装备与技术专业委员会委员等。目前主要从事于医学图像分析与处理、计算机辅助诊断、智能计算等方面的研究工作。获得自治区科技进步三等奖1项,指导团队格影AI医疗——肺部肿瘤计算机辅助诊断系统先后获得第五届中国“互联网+”大学生创新创业大赛(高教赛道)银奖,第六届“创青春”中国青年创新创业大赛(互联网组)铜奖。2014年入选自治区“312人才”计划,2016年入选宁夏青年拔尖人才计划。


特邀报告一




白相志

教授


报告题目

医学影像分析——从简单到复杂问题解决看深度学习


内容简介

  • 北航宇航学院图像中心关于医学影像分析新近研究成果;

  • 传统方法解决医学影像分析问题成果,包括;核磁脑图像分割、心脏血管分割;

  • 深度学习解决医学影像分析复杂问题成果,包括:脑功能影像分割、多器官定位、呼吸运动下放射治疗肿瘤定位;

  • 总结深度学习应用于医学影像分析的特点。


嘉宾介绍

白相志,北京航空航天大学宇航学院图像中心,教授,博士生导师。长期从事形态学、模糊理论、深度学习等在红外、医学图像分析中的理论和应用研究。获全国优秀博士学位论文提名、国家技术发明二等奖(排名第6)等奖励。


特邀报告二




冯朝路

教授


报告题目

模糊聚类与曲线演化模型——挑战、研究与应用


内容简介

  • 深度学习闯天下背景下,传统方法的优势与挑战;

  • 医学图像处理分析领域中的难点问题与最新研究进展;

  • 问题导向的方法论基础、改进与应用。


嘉宾介绍

冯朝路,东北大学计算机学院人工智能系副教授,博士生导师。东北大学医学影像智能计算教育部重点实验室青年骨干。研究领域涵盖图像处理、计算机视觉、人工智能,感兴趣的研究方向包括图像增强、图像分割、图像理解等。 作为国内唯一参赛队伍,2013年参加领域顶级会议MICCAI 左心室分割比赛,击败包括帝国理工大学团队在内的8支参赛队伍,获第1名;2015 年参加MICCAI ISLES 分割比赛,击败包括1支帝国理工大学团队在内的12支参赛队伍,获第2名。





入群方式


扫描备注[SEM]进直播群

参与群内活动获惊喜礼品
优享预留腾讯会议间座位



直播平台



知网在线教学平台直播入口

http://k.cnki.net/CInfo/Index/7159




B站

http://live.bilibili.com/22252912

房间号:222 529 12





"图图Seminar" 直播回放

回放平台


知网平台:

http://k.cnki.net/Room/Home/Index/181822

B站:

https://space.bilibili.com/27032291


往期目录


汪荣贵——机器学习基本知识体系与入门方法

陈强——从Cell封面论文谈AI研究中的实验数据问题

石争浩——从先验到深度:低见度图像增强

行知论坛——南理工行知论坛&图图Seminar:智能画质增强专题

孙显——遥感图像智能分析:方法与应用

章国锋——视觉SLAM在AR应用的关键性问题探讨

林宙辰——机器学习中优化算法前沿简介



     好文推荐

前沿进展 | 多媒体信号处理的数学理论

中国卫星遥感回首与展望

单目深度估计方法:现状与前瞻

目标跟踪40年,什么才是未来?

10篇CV综述速览计算机视觉新进展

算法集锦 | 深度学习在遥感图像处理中的六大应用

封面故事 | 从传统到深度:火灾烟雾识别综述

封面故事 | 光场数据压缩综述

学者观点 | 结合深度学习和半监督学习的遥感影像分类

编辑推荐 | 视频 + 地图!四维信息助力实景中国

深度学习+图像降噪,如何解决“卡脖子”问题?


❂ 专家报告

专家推荐|高维数据表示:由稀疏先验到深度模型

专家报告 | AI与影像“术”——医学影像在新冠肺炎中的应用

专家推荐|真假难辨还是虚幻迷离,参与介质图形绘制让人惊叹!

学者推荐 | 深度学习与高光谱图像分类【内含PPT 福利】

专家报告|深度学习+图像多模态融合

专家报告 | 类脑智能与类脑计算

实战例题!200+PPT带你看懂监督学习

118页PPT!机器学习模型参数与优化那些事儿~

专家开讲 | 机器学习究竟是什么?


❂ 论文写作

羡慕别人中了顶会?做到这些你也可以!

如何阅读一篇文献?

共享 | SAR图像船舶切片数据集

资源分享| 不知道如何获取最新的算法资讯?快来这里看一看

资源分享|热门IT资讯号推荐





本文系《中国图象图形学报》独家稿件

内容仅供学习交流

版权属于原作者

欢迎大家关注转发!


编辑:韩小荷

指导:梧桐君

审校:夏薇薇

总编辑:肖   亮




声  明


欢迎转发本号原创内容,任何形式的媒体或机构未经授权,不得转载和摘编。授权请在后台留言“机构名称+文章标题+转载/转发”联系本号。转载需标注原作者和信息来源为《中国图象图形学报》。本号转载信息旨在传播交流,内容为作者观点,不代表本号立场。未经允许,请勿二次转载。如涉及文字、图片等内容、版权和其他问题,请于文章发出20日内联系本号,我们将第一时间处理。《中国图象图形学报》拥有最终解释权。


我就知道你“在看”



登录查看更多
1

相关内容

医学影像是指为了医疗或医学研究,对人体或人体某部分,以非侵入方式取得内部组织影像的技术与处理过程。它包含以下两个相对独立的研究方向:医学成像系统(medical imaging system)和医学图像处理(medical image processing)。前者是指图像行成的过程,包括对成像机理、成像设备、成像系统分析等问题的研究;后者是指对已经获得的图像作进一步的处理,其目的是或者是使原来不够清晰的图像复原,或者是为了突出图像中的某些特征信息,或者是对图像做模式分类等等。
最新《医学图像深度语义分割》综述论文
专知会员服务
95+阅读 · 2020年6月7日
电力人工智能发展报告,33页ppt
专知会员服务
128+阅读 · 2019年12月25日
专知会员服务
36+阅读 · 2019年12月13日
基于深度学习的行人重识别研究进展,自动化学报
专知会员服务
38+阅读 · 2019年12月5日
预告 || 5.11 第六届SMP情感计算研讨会来了!
哈工大SCIR
6+阅读 · 2019年4月30日
AI综述专栏|多模态学习研究进展综述
人工智能前沿讲习班
64+阅读 · 2018年7月13日
报名 | 清华大学“智慧医学影像论坛2018”
数据派THU
8+阅读 · 2018年6月27日
【回顾】医学影像计算与分析
AI研习社
5+阅读 · 2017年11月5日
Generating Fact Checking Explanations
Arxiv
9+阅读 · 2020年4月13日
Directions for Explainable Knowledge-Enabled Systems
Arxiv
26+阅读 · 2020年3月17日
Arxiv
110+阅读 · 2020年2月5日
Arxiv
4+阅读 · 2019年4月17日
Self-Driving Cars: A Survey
Arxiv
41+阅读 · 2019年1月14日
Arxiv
23+阅读 · 2018年8月3日
Arxiv
7+阅读 · 2018年1月31日
VIP会员
相关论文
Generating Fact Checking Explanations
Arxiv
9+阅读 · 2020年4月13日
Directions for Explainable Knowledge-Enabled Systems
Arxiv
26+阅读 · 2020年3月17日
Arxiv
110+阅读 · 2020年2月5日
Arxiv
4+阅读 · 2019年4月17日
Self-Driving Cars: A Survey
Arxiv
41+阅读 · 2019年1月14日
Arxiv
23+阅读 · 2018年8月3日
Arxiv
7+阅读 · 2018年1月31日
Top
微信扫码咨询专知VIP会员