おめでとうございます。李小龍さんの卒業が無事に終了しました！
李小龙さんは福建工程学院を卒業し、2018年に上海大学のコンピュータ学院に入学しました。入学後、韓越興先生の画像研究グループに参加し、コンピュータビジョンに関連する研究を行いました。その後、韓先生の指導のもと、医療画像セグメンテーションのテーマを選択しました。3年間の努力の結果、李さんは深層学習などのさまざまな技術を活用して、肝臓と腫瘍のCT画像の自動セグメンテーションを実現し、スマート医療の発展に貢献しました。卒業後、李さんは連影医療有限公司で医療関連の仕事を続けています。また、李さんは課外活動で広く経史文学を読み、スポーツを愛好し、多くの良師益友と出会いました。上海大学での3年間の研究生活で、李さんは大きく成長し、将来の道のりで継続的に前進し、どんどん突破していくことを望んでいます。
大学院生の間に働く
肝臓と腫瘍のCT画像の自動セグメンテーションにより、医師が患者の状態をより包括的に評価し、治療計画を立てるのに役立ちます。多くの深層学習技術を組み合わせて、定量的かつ定性的な診断データを提供し、临床治療に貢献します。
-
報告では、FCN、U-Netなどの深層学習手法がネットワーク次元の制限により、三次元のCT画像の空間特徴情報を探索することが困難であるという問題に対処するために、境界損失関数を基にした2.5D全畳み込みネットワークを提案しました。この手法により、ネットワークのパラメータ数と計算リソースの消費を削減しながら、CT画像の空間特徴情報を効果的に探索し、肝臓と肝腫瘍のセグメンテーションの精度を向上させることができます。
-
報告では、医療画像の特徴と、一般的な損失関数がネットワーク探索における境界特徴の能力を最適化することに欠けているという問題に対処するため、新しい境界損失関数を設計しました。この関数は、画像の輪郭の距離、面積、および境界情報を統合し、深層学習ネットワークを効果的に最適化し、より多くの画像境界と輪郭特徴を探索することができます。
-
報告では、エンコーダ・デコーダネットワークが局所的な特徴の相関性と依存関係を無視する問題に対処するために、2D、2.5D、3Dネットワークとアテンションメカニズムを統合し、双方向アテンションを基にしたエンコーダ・デコーダネットワーク分割フレームワークを提案しました。このフレームワークには、双方向自己アテンションメカニズム、DenseNetブロック、ResNetブロック、および双方向ネットワークブロックを統合し、9つの異なるネットワーク構造を含み、肝臓と肝腫瘍のCT画像の自動セグメンテーションタスクを効果的に実行することができます。
論文へのリンク：Research on liver and tumor segmentation using multi-dimensional encoding-decoding networks