设为首页收藏本站

VALSE

VALSE 首页 活动通知 好文作者面授招 查看内容

20181031-34 夏勇:医学影像小数据深度学习

2018-10-25 17:20| 发布者: 程一-计算所| 查看: 942| 评论: 0

摘要: 报告嘉宾:夏勇(西北工业大学)报告时间:2018年10月31日(星期三)晚上20:00(北京时间)报告题目:医学影像小数据深度学习主持人:李策(兰州理工大学)报告人简介:夏勇,男,西北工业大学教授、博导,分别于200 ...

报告嘉宾:夏勇(西北工业大学)

报告时间:2018年10月31日(星期三)晚上20:00(北京时间)

报告题目:医学影像小数据深度学习

主持人:李策兰州理工大学


报告人简介:

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月起,在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、陕西省抗癌协会肿瘤影像专业委员会青年委员会常委及智慧医疗组指导委员会主任委员等;并担任MICCAI-MCV15/16、MICCAI-DLMIA17/18、MICCAI-BIA18、ISBI 2017、ACM MM2018等多个国际会议的TCP或Session Chair。


个人主页:

http://jszy.nwpu.edu.cn/yongxia.html


报告摘要:

近年来,以深度学习为代表的人工智能技术得到了迅速发展和广泛关注,并且在图像分类、人脸识别、语音识别、机器翻译和自然语言理解等领域取得了巨大的成功。这些成功,激励研究者们将人工智能技术应用于医学影像分析,旨在提高医疗资源的使用效率,加惠更多医生和患者。深度学习的成功,不仅在于它使用统一的模型实现对数据的表示学习和分类识别,从而避免了对经验的过度依赖,也在于它可以使用庞大的训练数据集进行学习。但是,对于医学影像分析而言,可以用于训练规模的数据集往往都比较有限。本报告将分析在医学影像“小数据”上进行深度学习研究所面临的挑战,也将介绍报告人在应用深度学习技术进行医学影像分析的经验和体会。


参考文献:

[1] Yongsheng Pan, Yong Xia, "Residual Network based Aggregation Model for Skin Lesion Classification," arXiv:1807.09150.

[2] Haozhe Jia, Yang Song, Donghao Zhang, Heng Huang, Dagan Feng, Michael Fulham, Yong Xia, Weidong Cai, "3D Global Convolutional Adversarial Network for Prostate MR Volume Segmentation," arXiv:1807.06742.

[3] Junjie Zhang, Yong Xia, Yanning Zhang, "A Pulmonary Nodule Detection Model Based on Progressive Resolution and Hierarchical Saliency," arXiv:1807.00598.

[4] Hongyu Wang, Yong Xia, "ChestNet: A Deep Neural Network for Classification of Thoracic Diseases on Chest Radiography," arXiv:1807.03058.

[5] Yutong Xie, Yong Xia*, Jinapeng Zhang, Yang Song, Dagan Feng, Michael Fulham, and Weidong Cai, "Knowledge-based Collaborative Deep Learning for Benign-Malignant Lung Nodule Classification on Chest CT," IEEE Transactions on Medical Imaging, in press.

[6] Jianpeng Zhang, Yong Xia*, Yutong Xie, Michael Fulham, and David Dagan Feng, "Classification of Medical Images in the Biomedical Literature by Jointly Using Deep and Handcrafted Visual Features," IEEE Journal of Biomedical and Health Informatics, vol. 22, no. 5, pp 1521–1530, Sep. 2018. 

[7] Yongsheng Pan, Mingxia Liu, Chunfeng Lian, Tao Zhou, Yong Xia*, and Dinggang Shen, "Synthesizing Missing PET from MRI with Cycle-consistent Generative Adversarial Networks for Alzheimer's Disease Diagnosis," MICCAI 2018.

[8] Jianpeng Zhang, Yutong Xie, Qi Wu, and Yong Xia*, "Skin Lesion Classification in Dermoscopy Images Using Synergic Deep Learning," MICCAI 2018.

[9] Yicheng Wu, Yong Xia*, Yang Song, Yanning Zhang, and Weidong Cai "Multiscale Network Followed Network Model for Retinal Vessels Segmentation," MICCAI 2018.

[10] Yutong Xie, Yong Xia*, Jianpeng Zhang, Weidong Cai, Michael Fulham and David Dagan Feng, "Transferable Multi-model Ensemble for Benign-Malignant Lung Nodule Classification on Chest CT," MICCAI 2017.


18-34期VALSE在线学术报告参与方式:


长按或扫描下方二维码,关注“VALSE”微信公众号(valse_wechat),后台回复“34期”,获取直播地址。



特别鸣谢本次Webinar主要组织者:

VOOC责任委员:李策(兰州理工大学)



活动参与方式:

1、VALSE Webinar活动依托在线直播平台进行,活动时讲者会上传PPT或共享屏幕,听众可以看到Slides,听到讲者的语音,并通过聊天功能与讲者交互;

2、为参加活动,请关注VALSE微信公众号:valse_wechat 或加入VALSE QQ群(目前A、B、C、D、E、F、G群已满,除讲者等嘉宾外,只能申请加入VALSE H群,群号:701662399);

*注:申请加入VALSE QQ群时需验证姓名、单位和身份,缺一不可。入群后,请实名,姓名身份单位。身份:学校及科研单位人员T;企业研发I;博士D;硕士M。

3、在活动开始前5分钟左右,讲者会开启直播,听众点击直播链接即可参加活动,支持安装Windows系统的电脑、MAC电脑、手机等设备;

4、活动过程中,请不要说无关话语,以免影响活动正常进行;

5、活动过程中,如出现听不到或看不到视频等问题,建议退出再重新进入,一般都能解决问题;

6、建议务必在速度较快的网络上参加活动,优先采用有线网络连接;

7、VALSE微信公众号会在每周一推送上一周Webinar报告的总结及视频(经讲者允许后),每周四发布下一周Webinar报告的通知及直播链接。


[slides]

最新评论

Archiver|手机版|小黑屋|Vision And Learning SEminar    

GMT+8, 2018-11-19 17:45 , Processed in 0.035609 second(s), 19 queries .

Powered by Discuz! X3.2

© 2001-2013 Comsenz Inc.

返回顶部