专栏名称: 机器学习研究会

机器学习研究会是北京大学大数据与机器学习创新中心旗下的学生组织，旨在构建一个机器学习从事者交流的平台。除了及时分享领域资讯外，协会还会举办各种业界巨头/学术神牛讲座、学术大牛沙龙分享会、real data 创新竞赛等活动。

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

机器学习研究会 · 公众号 · AI · 2017-11-07 22:50

正文

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。

活动信息

▼

主题：Deep Learning in Biomedical Image Analysis

时间：11月9日（周四）20:00

地点：将门创投斗鱼直播间

分享提纲

▼

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。

嘉宾介绍

▼

杨林

迪英加董事长、联合创始人

美国佛罗里达大学终身教授

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”。

转自：将门创投

完整内容请点击“阅读原文”