MICS在线学术讲座汇总(2020年度)

信息来源: 发布日期:2022-11-02

期数
详情 讲座时间 嘉宾 题目
主持人

23  (20-01)
简介 | 视频 2020-01-07 (清华大学) 计算病理与基因组学数据的整合分析(计算病理专题报告之二)
庄吓海(复旦大学)



24  (20-02)
简介 | 视频

2020-02-18

刘士远(上海长征医院)

史河(武汉协和医院)

沈定刚(北卡罗莱纳大学教堂山分校)等

新冠肺炎影像诊断及AI系统进展 施俊(上海大学)



25  (20-03)
简介 | 视频 2020-03-03 黄昆(美国印第安纳大学) 计算病理与基因组学数据的整合分析(计算病理专题报告之二)
徐军(南京信息工程大学)



26  (20-04)
简介 | 视频 2020-03-31 牛海军(北京航空航天大学) 超声在生物组织力学特性测量方面的应用 许燕(北京航空航天大学)



27  (20-05)
简介 | 视频 2020-04-14 刘日升(大连理工大学) 优化观点下的深度学习及其在医学影像领域中的应用 王洪凯(大连理工大学)



28  (20-06)
简介 | 视频 2020-04-28 窦琪(香港中文大学) 深度学习在医学图像分割中的模型泛化性能研究 王连生(厦门大学)



29
简介 | 视频

2020-05-14

——

2020-05-15


Imaging AI based Management of COVID-19 Webinar Series MICCAI Society & MICS



30  (20-07)
简介 | 视频 2020-06-02 夏勇(西北工业大学) 医学影像小数据深度学习 雷柏英(深圳大学)



31  (20-08)
简介 | 视频 2020-06-16 唐晓颖(南方科技大学) Large deformation diffeomorphic metric mapping with applications in neuroimaging and computer vision(高度形变微分同胚度量映射及其在神经影像和计算机视觉中的应用) 陈宇飞(同济大学)



32  (20-09)
简介 | 视频 2020-06-30 高飞(上海科技大学) 光声成像:硬件系统启发的算法设计 王满宁(复旦大学)



33
简介 | 视频

2020-07-18

——

2020-07-19


第七届医学图像计算青年研讨会

MICS



34  (20-10)
简介 | 视频 2020-07-28 柏文佳伦敦帝国理工学院 机器学习在心脏图像分析中的应用 庄吓海(复旦大学)



35  (20-11)
简介 | 视频 2020-08-11 郭翌(复旦大学) 基于深度学习的超声影像超分辨率重建及分析方法 杜少毅(西安交通大学)



36  (20-12)
简介 | 视频 2020-08-25 秦宸(爱丁堡大学) 机器学习在核磁共振图像重构及分析中的研究 王连生(厦门大学)



37  (20-13)
简介 | 视频 2020-09-08 何旭明(上海科技大学) 关于图像语义分割和对齐问题中的弱监督策略 魏本征(山东中医药大学)



38  (20-14)
简介 | 视频 2020-09-22 高盛华(上海科技大学) Encoding Structure-Texture Relation with P-Net for Anomaly Detection in Retinal Images 高跃(清华大学)

39  (20-15)
简介 | 视频 2020-10-13 刘赐融(中国科学院神经科学研究所) 狨猴脑图谱计划 赵世杰(西北工业大学)

40  (20-16)
简介 | 视频 2020-10-27 彭廷莹(亥姆霍兹人工智能合作部) 机器学习在显微镜生物和病理图像中的应用 史勇红(复旦大学)

41  (20-17)
简介 | 视频 2020-11-10 何晖光(中科院自动化所) 基于”What”和“Where”的视觉神经信息编码方法 何宏建(浙江大学)



42  (20-18)
简介 | 视频 2020-11-24 向德辉(苏州大学) 视网膜OCT图像处理算法研究 袭肖明(山东建筑大学)




43  (20-19)
简介 | 视频 2020-12-08 高智凡(中山大学) 心血管医学影像分析 乔立山(聊城大学)



44  (20-20)
简介 | 视频 2020-12-22 Yu-Ping Wang(Department of Biomedical Engineering, Tulane University) Integration of multi-modal brain imaging and genomics data with both linear and deep collaborative learning 黄美燕(南方医科大学)