English
管理与服务机构
美高梅在线登录网址-手机登录官网-www.4688.com党委办公室、校长办公室 纪律检查委员会办公室(监察处) 党委组织部 党委党校 党委宣传部(新闻办公室) 党委统战部 党委学生美高梅在线登录网址部 人民武装部 机关党委 财院校区党工委 离退休处党委 校工会 共青团美高梅在线登录网址-手机登录官网-www.4688.com委员会 发展规划办 教务处 现代工程训练中心 研究生院 学生美高梅在线登录网址处 招生与就业指导处 科学技术研究院 社会科学处 人力资源处 人才工程办公室 计划财务处 资产管理中心 国际合作交流处 监察处 审计处 实验室建设与设备管理处 后勤与房地产管理处 基本建设处 离退休处 保卫处(综合治理办公室) 法律事务办公室 档案与校史馆 财院校区管委会 校友美高梅在线登录网址办公室 校园信息化建设与管理办公室 图书馆 远程与继续教育学院 美高梅在线登录网址-手机登录官网-www.4688.com空军选培办 两型社会研究院 美高梅在线登录网址-手机登录官网-www.4688.com超级计算中心 美高梅在线登录网址-手机登录官网-www.4688.com互联网信息服务研究中心 资产经营有限公司 美高梅在线登录网址-手机登录官网-www.4688.com出版社有限责任公司 美高梅在线登录网址-手机登录官网-www.4688.com期刊社 后勤服务总公司 校医院 人口和计划生育办 普教中心
教育与研究机构
机械与运载工程学院 电气与信息工程学院 材料科学与工程学院 信息科学与工程学院 建筑学院 环境科学与工程学院 土木工程学院 设计艺术学院 化学化工学院 生物学院 数学与计量经济学院 物理与微电子科学学院 经济与贸易学院 金融与统计学院 工商管理学院 法学院 马克思主义学院 新闻传播与影视艺术学院 教育科学研究院 体育学院 中国语言文学学院 岳麓书院 外国语学院 国家高效磨削工程技术研究中心 汽车车身先进设计制造国家重点实验室 化学生物传感与计量学国家重点实验室 经济管理研究中心 机器人学院 公共管理学院
校园生活
当前位置: 美高梅在线登录网址 >> 校园生活 >> 学术活动 >> 学院讲座 >> 正文
统计数据 / lectrue notice
  • 排序 学院 发文量
    1 岳麓书院 129
    2 机械与运载工程学院 127
    3 物理与微电子科学学院 125
    4 化学化工学院 119
    5 数学与计量经济学院 62
    6 土木工程学院 57
    7 材料科学与工程学院 54
    8 建筑学院 40
    9 信息科学与工程学院 40
    10 经济与贸易学院 38
  • 排序 学院 发文量
    11 电气与信息工程学院 35
    12 教务处 33
    13 工商管理学院 28
    14 生物学院 27
    15 外国语学院 15
    16 法学院 15
    17 新闻传播与影视艺术学院 8
    18 研究生院 7
    19 经济与管理研究中心 6
    20 马克思主义学院 5
    21 中国语言文学学院 4
信科院:Intelligent Computing, Big Data, and Modern Medicine and Healthcare
学术地点 信息科学与工程学院542学术报告厅 主讲人 Danny Ziyi Chen教授,IEEE Fellow,美国圣母大学
讲座时间 2018年4月8日上午10:30

题目:Intelligent Computing, Big Data, and Modern Medicine and Healthcare

讲者:Danny Ziyi Chen教授,IEEE Fellow,美国圣母大学

时间:2018年4月8日上午10:30

地点:信息科学与工程学院542学术报告厅

讲者介绍:Danny Ziyi Chen(陈子仪)博士1985年获得美国旧金山大学计算机科学和数学学士学位,并分别于1988年和1992年获得美国普渡大学西拉法叶分校的计算机科学硕士和博士学位,他自1992年以来一直在美国圣母大学计算机科学与工程系任教,现任教授。陈教授的主要研究兴趣是计算生物医学,生物医学成像,计算几何,算法和数据结构,机器学习,数据挖掘和VLSI。他在这些领域发表了130多篇期刊论文和210多篇经过同行评审的会议论文,并拥有5项美国计算机科学与工程和生物医学应用技术开发专利。他于1996年获得NSF CAREER奖,2011年获得计算机世界荣誉计划的荣誉奖,用于开发“弧度调制放射治疗”(一种新的放射性癌症治疗方法)及2017年获美国国家科学院的PNAS Cozzarelli奖。他是IEEE Fellow和ACM杰出科学家。

讲座简介:Computer technology plays a crucial role in modern medicine, healthcare, and life sciences, especially in medical imaging, human genome study, clinical diagnosis and prognosis, treatment planning and optimization, treatment response evaluation and monitoring, and medical data management and analysis. As computer technology rapidly evolves, computer science solutions will inevitably become an integral part of modern medicine and healthcare. Computational research and applications on modeling, formulating, solving, and analyzing core problems in medicine and healthcare are not only critical, but are actually indispensable!

Recently emerging deep learning (DL) techniques have achieved remarkably high quality results for many computer vision tasks, such as image classification, object detection, and semantic segmentation, largely outperforming traditional image processing methods. In this talk, we first discuss some development trends in the area of intelligent medicine and healthcare. We then present new approaches based on DL techniques for solving a set of medical imaging problems, such as segmentation and analysis of glial cells, analysis of the relations between glial cells and brain tumors, segmentation of neuron cells, and new training strategies for deep learning using sparsely annotated medical image data. We develop new deep learning models, based on fully convolutional networks (FCN), recurrent neural networks (RNN), and active learning, to effectively tackle the target medical imaging problems. For example, we combine FCN and RNN for 3D biomedical image segmentation; we propose a new complete bipartite network model for neuron cell segmentation. Further, we show that simply applying DL techniques alone is often insufficient to solve medical imaging problems. Hence, we construct other new methods to complement and work with DL techniques. For example, we devise a new cell cutting method based on k-terminal cut in geometric graphs, which complements the voxel-level segmentation of FCN to produce object-level segmentation of 3D glial cells. We show how to combine a set of FCNs with an approximation algorithm for the maximum k-set cover problem to form a new training strategy that takes significantly less annotation data. A key point we make is that DL is often used as one main step in our approaches, which is complemented by other main steps. We also show experimental data and results to illustrate the practical applications of our new DL approaches.

上一条:信科院:Network Resource Management in Wireless Networked Control Systems
下一条:化工院:小分子自组装软物质材料:结构与功能

美高梅在线登录网址官网
美高梅在线登录网址微信
美高梅在线登录网址微博
XML 地图 | Sitemap 地图