AI 科技评论消息, 10 月 26 日上午 8:30 分,由中国计算机学会(CCF)主办,福州市人民政府、福州大学承办,福建师范大学、福建工程学院协办的 2017 中国计算机大会(CNCC 2017
导读:人工智能已经逐渐走进我们的生活,并应用于各个领域,它不仅给许多行业带来了巨大的经济效益,也为我们的生活带来了许多改变和便利。下面,我们将分别介绍人工智能的一些主要应用场景。
在复旦数字医疗外科手术导航系统产品的发展上,刘东麟的总结是“刚及格”。 作者 | 来自镁客星球的韩璐 在医学领域,有这样一个科室被称作“皇冠上的那颗明珠”,而每一次手术也被形容为“在万丈深渊上走钢丝”,其中的风险可想而知。这个科室,就是神经外科。 众所周知,大脑是人体中最为精密和复杂的器官,遍布的神经、血管成为每次手术最大的难题。 在传统手术中,神经外科医生往往需要借助于磁共振、CT等医学影像来判定病灶的位置,继而在此基础上拟定手术方案。这中间非常考验医生本人的临床手术经验,毕竟稍有不慎,可能就会造成永久性
“犀牛鸟2020研学营”自7月10日开营以来,收到了来自海内外高校的700余位学生报名入营,并已完成了人工智能发展、AI IN GAME、机器人系列的线上课程学习。接下来还将陆续迎来在AI医疗、自然语言处理、自动驾驶、多模态AI以及产业基础研究方法及职业发展等系列的课程学习。7月16日(本周四)将是入营报名的最后时间,还未报名的同学们还可以加入,并通过“回看”功能学习前序内容并与其他同学一起开启后续研学营的学习讨论。 敲重点 最后入营时间:7月16日 24:00(北京时间) 入营方式:研学营课程免费线
近年来,深度学习被广泛应用在医学影像分析的相关任务上,并获得巨大的性能提升。众所周知,深度学习需要大量数据来拟合巨大的参数空间,然而在大部分医疗场景中,获取高质量的医疗数据、以及高质量的标注是相当困难的。因此,应对医疗数据小样本特性,充分挖掘医疗数据的结构化信息,成为近年来学术界关注的热点。本次分享就是针对这一背景的一些尝试,主要从挖掘医疗数据的独有特性提升分割性能以及利用医疗数据的结构化先验训练自监督模型等角度切入,以期为大家提供若干可以参考的思路。 报告时间:2019年7月23日 19:30-21:0
医学图像处理的对象是各种不同成像机理的医学影像,临床广泛使用的医学成像种类主要有X-射线成像 (X-CT)、核磁共振成像(MRI)、核医学成像(NMI)和超声波成像(UI)四类。在目前的影像医疗诊断中,主要是通过观察一组二维切片图象去发现病变体,这往往需要借助医生的经验来判定。利用计算机图象处理技术对二维切片图象进行分析和处理,实现对人体器官、软组织和病变体的分割提取、三维重建和三维显示,可以辅助医生对病变体及其它感兴趣的区域进行定性甚至 定量的分析,从而大大提高医疗诊断的准确性和可靠性;在医疗教学、手术规划、手术仿真及各种医学研究中也能起重要的辅助作用[1,2]。目前,医学图像处理主要集中表现在病变检测、图像分割、图像配准及图像融合四个方面。
医学图像处理的对象是各种不同成像机理的医学影像,临床广泛使用的医学成像种类主要有X-射线成像 (X-CT)、核磁共振成像(MRI)、核医学成像(NMI)、超声波成像(UI)四类。在目前的影像医疗诊断中,主要是通过观察一组二维切片图象去发现病变体,这往往需要借助医生的经验来判定。利用计算机图像处理技术对二维切片图象进行分析和处理,实现对人体器官、软组织和病变体的分割提取、三维重建和三维显示,可以辅助医生对病变体及其它感兴趣的区域进行定性甚至定量的分析,从而大大提高医疗诊断的准确性和可靠性;在医疗教学、手术规划、手术仿真及各种医学研究中也能起重要的辅助作用[1,2]。目前,医学图像处理主要集中表现在病变检测、图像分割、图像配准及图像融合四个方面。
潜在应用:由于外界环境影响,导致图像成像效果不尽人意,从而影响后续对视频图像的处理。
每年全球大约要进行20亿例X光检查。但是平均来看,放射科人手不足。放射科医生的工作量不断增加,不堪重负,几乎没有时间来综合地评价图像——导致了误诊和更严重的后果。 现在,以色列特拉维夫大学(TAU)的一个实验室正在研发实用的解决方案来满足放射科医生的需求。TAU工程学部生物医疗系Hayit Greenspan教授的医学图像处理实验室已开发出了各种各样的工具来帮助X光、CT、MRI的计算机辅助诊断,让放射科医生有时间去关注需要他们投入全部注意力和所有技能的复杂病例。“放射科医生短缺,他们的工作量持续增加。这意
医学图像AI(博士)在读,研究方向为unsupervised deep learning; multi-modal; PET-CT. 写这篇文章梳理一下学习思路,也希望可以给刚开始进入这个行业的朋友一个quick guide。
新一年博士招生正式启动!本期我们将为大家介绍香港中文大学和佐治亚理工学院的招生信息。 作为专业的全球人工智能信息服务平台,机器之心的读者中有大量活跃于人工智能学术领域的顶级学者,也有许多正在攻读 AI 方向的学生。 之前,机器之心发布了多篇与招收硕士 / 博士 / 博士后相关的文章,为广大读者传递了海内外招生的教授与实验室信息,引起了不错的反响。 如今,又到了博士招生的季节,我们整理了海内外多所实验室的招生信息。本期我们将为大家介绍香港中文大学和佐治亚理工学院的招生信息。希望这些消息对准备继续深造的你有所
以“聆听,思考,行动”为主题的“犀牛鸟2020研学营”即将开营,我们将通过持续1个月的密集学习计划,为同学们提供一个学习前沿技术、深入了解新兴技术在产业中的创新应用的机会,帮助大家开拓视野、扩宽思维空间、提升综合能力。营地已开启,来参加一场特别的线上夏令营吧! · 犀牛鸟研学营开营时间 · 开营首场课程将在明天(7月10日)上午9:45正式开启! · 即刻入营方式 · | 从即日起至7月16日24:00前完成线上报名 | PC端:https://withzz.com/project/detail/8
万菁,State Farm (全美最大保险与金融服务公司之一)首席数据科学家(Principal Data Scientist),美国普渡大学计算机专业博士。她在计算机视觉、深度学习、大数据处理、医学图像处理等领域有十多年的研究和从业经验。她还是科技女性运动的积极倡导者,并想用自己的故事告诉大家——数据科学这件事儿,你也可以。
抗生素耐药是现代医学面临的严峻挑战之一,在近几十年来,产生抗生素耐药性的病原微生物持续增加,每年在全球范围内耐药菌引发感染造成的死亡人数达到70万人。抗菌肽(AMPs)作为解决抗生素耐药性的候选方案之一,具有不易产生抗药性、作用快速等优势,同时因为容易降解也不会对环境造成持续性污染。因此,开发出能够应对抗多重耐药菌的新药物,缓解耐药问题迫在眉睫;但传统方法筛选新药的候选分子成功率较低,亟需高通量的挖掘和筛选手段。
医学图像处理及其应用 Part 1 医学图像处理简介及分类 简介:医学图像处理作为一门和医学息息相关的学科,它究竟有着什么样的应用呢?本期王连生老师将介绍医学图像处理的对象,如X射线图像、CT图像等,向我们讲述医学图像处理的大致版图。 内容难度:★★☆(计算机专业或有一定计算机知识储备的大学生) 以下为精彩视频 ---- 关注更多精彩短视频,点击下方程序小卡片 也可打开“哔哩哔哩” 搜索关注“Wiztalk”, 一起开启科普知识分享“新视界”~ ---- — 关于Wiztalk — Wiztalk
本期将为大家介绍西湖大学人工智能与生物医学影像实验室招聘科研助理和博士后的相关信息。 一、实验室介绍 实验室所在学校概况:西湖大学是一所由社会力量举办、国家重点支持的非营利性的新型研究型大学,主要开展基础前沿科学技术研究,坚持发展有限学科,注重学科交叉融合。学校按照 “高起点、小而精、研究型” 的办学定位,致力于集聚一流师资、打造一流学科、培育一流人才、产出一流成果,努力为国家科教兴国和创新驱动发展战略、建设高水平研究型大学作出突出贡献。 团队背景方面:西湖大学人工智能与生物医学影像实验室致力于将人工智
“ 精英人才培养计划是一项校企联合人才培养项目,入选学生将受到业界顶尖技术团队与高校导师的联合指导及培养。培养期间,学生将获得3个月以上到访腾讯开展科研访问的机会,基于真实产业问题及海量数据,验证学术理论、加速成果应用转化、开阔研究视野。同时项目组将引进沟通技巧、商业分析、创新思维等定制课程,定期举办线上线下交流活动,全面提升学生综合素质。入选学生还将获得线上实名社群平台“十分精英圈”的在线访问权限,结识志同道合的科研伙伴,获取业界信息及资源。 ” 今年共有10大方向,81个子课题 上期介绍了机器人
在今年的CCF-GAIR大会上,来自清华、加州大学伯克利、斯坦福、哈工大等多所国内外顶级理工科院校的院士齐聚深圳,分享了自己最新的研究。虽然各自研究的细分领域有所不同,但是透过贯穿始终的技术讲演,避不开的事实是,多位院士都在或直接或间接地去“批判”深度学习算法。
视网膜光学相干断层扫描(OCT)是一种成像技术,用于捕获活体患者视网膜的高分辨率横截面。每年大约进行3000万次OCT扫描,对这些图像的分析和解释占用了大量时间。OCT被眼科医生大量使用以获得眼睛视网膜的高分辨率图像,同时也可用于诊断许多视网膜相关的眼病,因此OCT图像对医学图像处理任务中十分重要。
精英人才培养计划是一项校企联合人才培养项目,入选学生将受到业界顶尖技术团队与高校导师的联合指导及培养。培养期间,学生将获得3个月以上到访腾讯开展科研访问的机会,基于真实产业问题及海量数据,验证学术理论、加速成果应用转化、开阔研究视野。同时项目组将为学生搭建线上和线下学习、交流平台,帮助学生挖掘更多潜能。学生通过“十分精英圈”线上平台,随时获取前沿技术资讯、沉淀科研收获与心得;通过“智学研讨会”及“智享交流会”等线下平台,积极参与海内外顶级学术会议及学术专家交流活动;通过“精英研学营”进阶平台,对话产业
OpenAI、牛津大学、剑桥大学等14家机构和高校联合发布《人工智能恶意使用:预测、预防和缓解》,调查了恶意应用人工智能技术会造成的潜在威胁,以及预测、预防和减少这些威胁的方法。 牛津大学召开了一次为期两天的研讨会。来自人工智能、无人机、网络安全、自主武器系统、反恐等领域的众多专家共同探究了伴随着人工智能的发展可能带来的安全问题。时过一年,OpenAI、牛津大学、剑桥大学等14家机构和高校于2018年2月底联合发布《人工智能恶意使用:预测、预防和缓解》,该报告指出人工智能和机器学习技术正以前所未有的速度
针对当下深度学习的技术瓶颈,包括清华大学张钹在内的多位院士、教授给出了自己的研究思路。
医学图像处理及其应用 Part 2 医学图像处理现状、影响及案例 简介:医学图像处理的分类相信大家都有所了解,其现在的应用现状及影响又是如何呢?本期王连生老师将结合具体的案例,向我们一一道来。 内容难度:★★☆(计算机专业或有一定计算机知识储备的大学生) 以下为精彩视频 ---- 关注更多精彩短视频,点击下方程序小卡片 也可打开“哔哩哔哩” 搜索关注“Wiztalk”, 一起开启科普知识分享“新视界”~ ---- — 关于Wiztalk — Wiztalk是腾讯高校合作团队打造的一个短视频知识分享
OpenCV ( Open Source Computer Vision Library )是一个广泛应用于计算机视觉和图像处理领域的开源库。它提供了丰富的图像处理算法和工具,能够处理图像和视频数据,实现诸如特征提取、目标检测、图像分割等功能。本文将介绍 OpenCV 的概述和应用领域,并通过具体实例展示其强大的功能和广泛应用。
影像组学是放射学领域的一个相对较新的词,意思是从医学图像中提取大量的定量特征。人工智能(AI)大体上被定义为一组先进的计算算法,可以对所提供的数据模式进行学习,以便对未知的数据集进行预测。由于与传统的统计方法相比,人工智能具有更好的处理海量数据的能力,因此可以将影像组学方法与人工智能结合起来。总之,这些领域的主要目的是提取和分析尽可能多和有意义的深层定量特征数据,以用于决策支持。如今,影像组学和人工智能都因其在各种放射学任务中取得的显著成功而备受关注,由于担心被人工智能机器取代,大多数放射科医生对此感到焦虑。考虑到计算能力和大数据集可用性的不断发展进步,未来临床实践中人与机器的结合似乎是不可避免的。因此,不管他们的感受如何,放射科医生都应该熟悉这些概念。我们在本文中的目标有三个方面:第一,让放射科医生熟悉影像组学和人工智能;第二,鼓励放射科医生参与这些不断发展的领域;第三,为未来方法的设计和评估提供一套良好实践建议。本文发表在Diagnostic and Interventional Radiology杂志。
最近,52CV分享了多篇CVPR 2019 的论文,有位群友问难道除了CVPR 就没有值得读的论文了吗?当然不是,其实很多优秀的工作并不一定出自CVPR。CVPR肯定也有很多灌水的。
自从人工智能诞生之初,计算机科学家就梦想着创造出能够像我们一样看到和理解世界的机器。这些努力导致了计算机视觉的出现,计算机视觉是AI和计算机科学的广阔领域,致力于处理视觉数据的内容。
计算机视觉盛会 CVPR 2017已经结束了,相信读者们对今年的 CVPR 有了一些直观的感受。 论文的故事还在继续 相对于 CVPR 2017收录的共783篇论文,即便雷锋网 AI 科技评论近期挑选报道的获奖论文、业界大公司论文等等是具有一定特色和代表性的,也仍然只是沧海一粟,其余的收录论文中仍有很大的价值等待我们去挖掘,生物医学图像、3D视觉、运动追踪、场景理解、视频分析等方面都有许多新颖的研究成果。 所以我们继续邀请了宜远智能的刘凯博士对生物医学图像方面的多篇论文进行解读,延续之前最佳论文直播讲解
来源:中国图像图形学报、极市平台本文约11000字,建议阅读15+分钟本文回顾并简要总结了近20年国内医学影像人工智能发展进程中的重要事件。 本文回顾并简要总结了近20年国内医学影像人工智能发展进程中的重要事件,包括国内主办的医学影像人工智能知名国际和国内会议、《中国医学影像AI白皮书》的发布以及国内同行在新冠肺炎COVID-19期间的贡献。最后,我们展望了国内医学影像人工智能领域未来的发展趋势。 在过去20年里,医学影像技术、人工智能技术以及这两项技术相结合的临床应用都取得了长足发展。中国在该领域的研究也
这个问题不是特别好准确回答,因为CV算法是一个非常大研究领域,包括目标检测,图像分割,图像生成,3D目标检测,三维图像重建,图像去雾,图像超分辨率等非常多的方向。你会这么问,我的感觉是你对其中哪个方向研究都不会很深,因为你是硕士研究生,我认为你一定要以毕业为主,因为这两年由于升学硕士和博士的人数在增加,毕业要求现在有所上升,然后我的建议是一定要和导师沟通,因为导师在你毕业流程中起了至关重要的作用,所以还是要跟导师保持紧密联系,由导师帮你确定详细方案。
计算机视觉是人工智能领域中的一个重要分支,它致力于让计算机能够理解和处理图像、视频以及其他视觉数据。计算机视觉的发展已经在各个领域产生了深远的影响,包括医学诊断、自动驾驶、安全监控、人脸识别等。本文将从基础概念到高级应用,介绍计算机视觉的重要内容,并提供相关代码示例,让您深入了解这一领域。
医学影像是医疗数据最密集的领域,医疗数据中超过80%来源于医学影像,人工智能技术已经应用在医疗行业多个领域,但医学影像是应用最成熟的领域之一。深度学习算法模型的训练需要海量数据支撑,医学影像由于其数据密集的特性,让以深度学习为代表的人工智能技术有了广阔的发挥空间,而其中又以X光、CT等类型影像的识别分析最为成熟。
医学图像处理 / 计算机视觉 / 机器学习 / 深度学习等相关经验者优先。 Experience in medical image analysis, computer vision, image processing, machine learning, and deep learning is preferred. 香港中文大学眼科学与视觉科学系 Department of Ophthalmology and Visual Sciences (DOVS) of The Chinese Univers
新一年博士招生正式启动!本期我们将为大家介绍新加坡国立大学金玥明课题组招募博士生 / 博士后 / 科研助理的相关信息。 作为专业的全球人工智能信息服务平台,机器之心不仅可以提供前沿的科研动态,还能帮你找到合适的工作或进修机会。 本期的招募信息来自新加坡国立大学金玥明老师课题组,欢迎对人工智能、医学影像处理、3D 视觉、机器人领域感兴趣的同学踊跃申请。 学校简介 新加坡国立大学(National University of Singapore),简称国大(NUS),是亚洲顶尖、国际知名的研究型大学。2022
人工智能(Artificial Intelligence, AI)是当今科技领域中的一项巨大的创新,它正在深刻地改变着各行各业,其中医疗领域是一个备受关注的领域。医疗健康是人工智能有望实现伟大突破的领域之一。从辅助医生进行精确诊断到加速新药研发,AI在医疗领域展现了广泛的应用前景。本文将深入探讨人工智能在医疗领域的创新,重点从诊断到治疗两个方面进行分析,同时我们还将介绍一些相关的代码示例以便更好地理解这些创新。
在之前的文章中我分享了Tensorflow的基本知识内容,接下来我将会分享如何利用Tensorflow将深度学习应用到医学图像上,今天我会分享深度学习在医学图像分割的实际案例。
近两年的AI医工交叉方法论,工,以数据驱动为根本,忽略领域知识的作用;医,则扮演数据标注工人的角色,医生的医学领域知识难以发挥作用。但由于医学的独特性,我们需要重新审视两者的角色和关系,医生应该参与到算法开发的过程中,医生的医学知识和临床经验应该融入到算法设计中。
计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是是指用摄像机和电脑代替人眼对目标进行识别、跟踪和测量等,并进一步做图形处理成为更适合人眼观察或传送给仪器检测的图像。
最近,五位哈佛的在读博士生集体来到著名社区reddit,展开一场围绕人工智能和认知科学的AMA(Ask Me Anything)。 简单介绍一下这几位博士生:Rockwell Anyoha来自分子生物
新型冠状病毒(2019-nCoV)感染所致肺炎(以下简称新冠肺炎)疫情来势汹汹,新冠肺炎患者确诊和疑似筛查已经成为疫情控制的重要工作之一,基于医学影像(如肺部CT)的影像检查方法,已经成为PCR(聚合酶链式反应)检测试剂盒检测的重要补充。
问耕 发自 SMB 量子位 出品 | 公众号 QbitAI 最近,五位哈佛的在读博士生集体来到著名社区reddit,展开一场围绕人工智能和认知科学的AMA(Ask Me Anything)。 简单介绍
如何界定 AI 用于医学图像分析时的范畴,设置相关的任务及采用合理的模型方法?医学图像分析中目标检测任务的普遍性,使得开发目标检测集成框架显得必要。
AI 科技评论按:如何界定 AI 用于医学图像分析时的范畴,设置相关的任务及采用合理的模型方法?医学图像分析中目标检测任务的普遍性,使得开发目标检测集成框架显得必要。
关于之前推送的胸片和CT有很多的小伙伴关心射线对人体的伤害的问题,在医学检查射线的强度和剂量已经有严格的标准,偶尔进行一次CT扫描是没有问题的,那么有没有一种完全无害的扫描检查呢?今天小编就给大家介绍一种无害、非介入的新型层析成像技术——光学相干断层扫描技术 (Optical Coherence Tomography,简称 OCT),简而言之就是利用无毒无害的光波进行人体组织的成像,OCT技术近年来发展飞快,特别是生物组织活体检测和成像方面具有诱人的应用前景,已尝试在眼科、牙科和皮肤科的临床诊断中应用,特别是在眼底视网膜疾病的检查中,可以检测到视网膜不同层之间的厚度变化,从而发现和预防青光眼,白内障等眼科疾病。是继 X-CT 和 MRI 技术之后的又一大技术突破。下文简称OCT技术。
在前面的文章中,已经分享过肺分割案例和脑血管分割案例。有朋友向我提出是否可以对肺部血管进行分割,并让我分享案例教程。那么今天我将分享人体肺部血管分割并生成三维模型的案例。
当今社会,人工智能作为先进的科技代表,在各个方面都影响着人们生活与社会的发展。图像处理技术的准确性、时效性在人工智能领域越来越重要。由于自动驾驶、智慧城市等在全球范围内受到了更多人的认可。在无人驾驶方面,鉴于无人驾驶这一技术对于安全性的较高要求,驾驶系统需要在不断变化的外界环境中进行车辆的行驶过程中的路线规划以及对障碍物如其他车辆、建筑物等的检测,这就要求很高的精确度来完成这项精准的任务,通过语义分割可以实时判断道路上的各个标记。在这些领域,理解周围环境的语义信息对于躲避障碍物、减少车与车或车与人之间的碰撞具有非常重要的现实意义。
从下游应用市场来看,通信和工业市场份额位居FPGA芯片一二位,同时通信市场份额有望持续提升。但是目前通信和工业市场趋于稳定,FPGA厂商一直推AI市场,但是AI市场目前被ASIC和显卡牢牢占据,FPGA被市场上认可度也不高。
|懒人阅读:计算机视觉的应用无处不在,就像视觉是我们感知世界的最主要方式之一,所以其应用场景和公司也数不胜数。机器学习、深度学习等技术使用到CV之中后,为很多复杂视觉信号的处理带来了可能,从而可以进行更加精准的目标识别、目标跟踪、场景重建等应用。
Shahrokh Valaee 教授和博士生 Hojjat Salehinejad 正在使用机器学习创建虚拟 X 射线胸透影像来训练 AI 系统识别罕见疾病。摄影:Jess MacInnis
领取专属 10元无门槛券
手把手带您无忧上云