Lecture1-Innovative Machine Learning for Medical Data Analytics

最新推荐文章于 2020-09-21 03:43:43 发布

原创最新推荐文章于 2020-09-21 03:43:43 发布 · 221 阅读

CC 4.0 BY-SA版权

1 篇文章

订阅专栏

本文探讨了在医学影像分析领域应用创新机器学习方法的重要性，特别是在处理大数据的体积、种类和速度方面。文章强调了将计算机视觉顶会CVPR的新方法应用于医疗数据，以及在医学影像定位和分割上的挑战与进展。

#19.06.27
Innovative Machine Learning for Medical Data Analytics
在这里插入图片描述
Info：GE healthcare 9年经历,2015年后全职学术,产学研，chairman of MICCAI 2022 conference

介绍背景：where is London?加拿大，蒙特利尔-多伦多-伦敦全国才3000W+人口，整个深圳市就约2000W+，可见地广人稀，但公费医疗;健全的法律体系和医疗机构使得在加拿大不能在医院乱消费，每一个病人在诊断时医生都可以调用其医学病史数据，与国内不同

Medical Data& Social Media Data
Big Data:

加强ML能力和理解，其实把顶会CVPR提出的新方法运用在医学领域也可以，虽说方法一样，但是每种方法有其特定的适用范围需要灵活调整。医学影像定位和纯CS不一样，我们的目标是解决问题，同时方法可以有很多种

举例：
1.Regression Learning 二维x轴代表医学图像，y轴代表ROI集合点集
2.心室的分割，实际是大圆而不是部分小区域，有些区域图像中无法显示，因为心脏在跳动，因此需要借助动态图像手动标注区域

Segmentation:大家普遍停留在这一阶段，不同病例不同的分割方法和区域；难度大关键

chemical contrast agent:昂贵，危险，多次扫描，慢性病不能适应，医生监管
目前团队已经可以实现AI合成与实际造影剂相似的图像，这大大降低了风险和成本，提高效率（必须通过已有相关部分数据，而不能无中生有）
在这里插入图片描述