بلاگ

پایگـاه اطلاعات علمی جهاد دانشگاهی

وبینار تقسیم بندی قابل قبول تصاویر پزشکی با استفاده از برچسب های فشرده تا ساختارهای گرافی


یادگیری بازنمایی یا یادگیری ویژگی در یادگیری ماشین ، مجموعه ای از تکنیک ها است که سیستم به صورت خودکار به شناسایی ویژگی های مورد نیاز می پردازد و الگوهای نهان را از داده ها کشف می کند. یادگیری بازنمایی به ماشین اجازه می دهد که ویژگی های جدید را کشف کند و از آنها برای انجام یک کار جدید استفاده کند.

یادگیری بازنمایی یا یادگیری ویژگی در یادگیری ماشین ، مجموعه ای از تکنیک ها است که سیستم به صورت خودکار به شناسایی ویژگی های مورد نیاز می پردازد و الگوهای نهان را از داده ها کشف می کند. یادگیری بازنمایی به ماشین اجازه می دهد که ویژگی های جدید را کشف کند و از آنها برای انجام یک کار جدید استفاده کند.

Towards Anatomically Plausible Medical Image Segmentation : from Dense Labels to Graph Structures


 در وبینار تقسیم بندی قابل قبول تصاویر پزشکی با استفاده از برچسب های فشرده تا ساختارهای گرافی ، در مورد تحقیقات انجام شده با موضوع یادگیری بازنمایی[1] برای بهبود تقسیم بندی قابل قبول تصاویر پزشکی پرداخته خواهد شد . در این وبینار به بررسی اینکه چگونه رمزگذارهای خودکار می‌توانند برای یادگیری تعبیه‌های کم‌بعد و ساختارهای تشریحی مورد استفاده قرار بگیرند و راه‌های مختلفی که از طریق آنها این جاسازی‌ها بتوانند در مدل‌های یادگیری عمیق برای تقسیم‌بندی و ثبت گنجانده شوند ، صحبت خواهد شد. همچنین به طور خلاصه در مورد سایر خطوط تحقیقاتی آزمایشگاه در مورد تعمیم دامنه ، کالیبراسیون مدل[2] ، و fairness در محاسبات تصویر زیست پزشکی اظهار  نظر خواهد شد.

سخنران این وبینار Dr. Enzo Ferrante است که مدرک مهندسی سیستم ها را از دانشگاه National University of the Littoral و دکترای خود را از دانشگاه Université Paris-Saclay دریافت کرده است . Dr. Enzo Ferrante محقق فوق دکتری Imperial College London در لندن است. حوزه های موضوعی Enzo Ferrante یادگیری ماشین[3] ، بینایی کامپیوتر[4]  و تصویربرداری پزشکی[5]  است.

مباحث پیشرفته یادگیری عمیق؛ شبکه های توجه گرافی (Graph Attention Networks)

 

این وبینار در تاریخ سه شنبه 11 آبان 1400 از ساعت 17 تا 18 و 30 دقیقه توسط دانشکده مهندسی برق دانشگاه صنعتی شریف برگزار شد.

فیلم وبینار تقسیم بندی قابل قبول تصاویر پزشکی با استفاده از برچسب های فشرده تا ساختارهای گرافی

 

 

 

[1] representation learning

[2] model calibration

[3] Machine Learning

[4] Computer Vision

[5] Medical Imaging

پست های مرتبط

گراف کامل چیست

تاریخ: 1399/11/11

بازدید: 2364

1399

زمان مطالعه: 5 دقیقه دقیقه

تعریف گراف کامل

مدرس

@ins

یک ریختی گراف چیست

تاریخ: 1399/11/02

بازدید: 2205

1399

زمان مطالعه: 5 دقیقه دقیقه

تابع دوسویی (bijection) چیست؟

مدرس

@ins

مفهوم برش در گراف

تاریخ: 1399/10/28

بازدید: 1681

1399

زمان مطالعه: 5 دقیقه دقیقه

Cut graph theory

مدرس

@ins

Graph Attention Network (GAT) چیست؟

تاریخ: 1400/11/19

بازدید: 571

1400

زمان مطالعه: 5 دقیقه دقیقه

یادگیری ماشین یکی از روش های تحلیل داده است که به ساخت مدل های تحلیلی خودکار می پردازد .

مدرس

@ins