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

关注“将门创投”微信公众号(thejiangmen)，后台回复“CV群”，获取入群通道及直播地址。...





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。

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。

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”。

长按或扫描下方二维码，关注“将门创投”微信公众号(thejiangmen)，后台回复“CV群”，获取入群通道及直播地址。现已涵盖CV、机器人、NLP、ML、IoT等多个当下火热的技术话题。我们每周邀请来自产学研的优秀技术人进行线上分享，目前群里已汇聚数千位上述领域的技术从业者。

入群方式>>关注“将门创投”（id:thejiangmen）微信公众号，在后台回复关键词“技术社群”，提交入群申请表。通过审核后，我们会在第一时间发出邀请。


将门创投

让创新获得认可！

微信：thejiangmen

service@thejiangmen.com

    关注 将门创投