On Demand

Speaker - 呂樂 Description - 運用深度學習理論於全醫院範圍的大量臨床圖像和文字資料庫,近年來已有明顯的進展。然而,現代的教學醫院存在大量非結構化病患數據於不同的臨床資料庫(例如 PACS、BTRIS、RIS、CRIS ),這些數據大部分無法編索引、無法進行語意檢索、也就無法用於解決不同尺度的量化精準醫療挑戰。
本議程將回顧我們三項研究工作的近期發展:
1. 運用統計深度群組學習方法,預測包含人口趨勢和個人數據的腫瘤生長模式;以及運用深度卷積神經網路直接顯示和了解腫瘤生長過程中的細胞侵襲和質量效應,並預測腫瘤的後續受累區域。
2. 透過學習每個病變的深度特徵表示,來組織和探索顯著的臨床異常,並構建一個三重網路以學習一萬多項病患研究潛藏的樹狀病變相似性。
3. 一個創新的 Text-Image Embedding 網路(TieNet),用於公共大型胸部 X 光數據集上,以多級關注模型和端到端訓練,抽離解析獨特的圖像和文本表現。