资讯中心

中科院自动化所举办“IEEEFellow系列讲座”

2013/5/7 9:18:56    18881

来源：中国科学院自动化所

摘要：导读：5月3日上午，“IEEEFellow系列讲座”在自动化所举行，本期报告会邀请了美国南佛罗里达大学（USF）计算机科学和工程学院副主任DmitryGoldgof教授作题为“Image Analysisand Data Mininginsupport of Radiomics”的报告。Dmitry Goldgof教授详细分析了基于“Radiomics”项目的图像分析和数据挖掘工作。

　　导读：5月3日上午，“IEEEFellow系列讲座”在自动化所举行，本期报告会邀请了美国南佛罗里达大学（USF）计算机科学和工程学院副主任DmitryGoldgof教授作题为“Image Analysisand Data Mininginsupport of Radiomics”的报告。Dmitry Goldgof教授详细分析了基于“Radiomics”项目的图像分析和数据挖掘工作。

　　
　　5月3日上午，“IEEEFellow系列讲座”在自动化所举行，本期报告会邀请了美国南佛罗里达大学（USF）计算机科学和工程学院副主任DmitryGoldgof教授作题为“Image Analysisand Data Mininginsupport of Radiomics”的报告。
　　
　　“Radiomics”项目是指从大量临床CT、PET和MRI等影像数据中提取高代表性定量特征，并对其进行分析，从而对病例数据进行病变诊断和预测等工作。DmitryGoldgof教授详细分析了基于“Radiomics”项目的图像分析和数据挖掘工作。在该项目中，所有数据均采自标准治疗临床数据，从而构建一个特别大的潜在病例池。在此基础上，将数据特征和基因特征以及蛋白质特征联系起来，并将该数据建立可表征和可预测模型。
　　
　　“Radiomics”的核心假设是这些模型可以包含生物学或者医学数据，从而提供有价值的诊断和预测信息。可以将“Radiomics”分成五个有挑战性的过程：（a）数据获取和重建；（b）图像分割和绘制；（c）特征提取和定量分析；（d）数据库建立和数据分享；（e）信息学分析。每个过程都有其特定的挑战性问题，例如我们需要针对数据获取和重建建立佳协议；同时，对于分割算法来说，需要研发鲁棒的算法以及加入小量的人工输入；而特征提取需要很好地反映单个个体数据的复杂性，但是又不能过于复杂以及出现冗余；后，针对数据的统计学分析必须进行优化，因为“Radiomics”目前还不是一个成熟的研究领域。
　　
　　在提问交流环节，在场的老师和同学对该项研究表现了浓厚的兴趣，踊跃发言提问，Dmitry Goldgof教授结合个人的研究成果和目前China-US生物医学项目合作进展的把握，针对所提出的问题进行了细致解答，并对未来中美双方项目推动给予很好地期望。
　　
　　Dmitry Goldgof教授因其对计算机视觉和生物医学应用的杰出研究而当选IEEEFellow，并因其在计算机视觉，模式识别和生物医学工程领域的杰出研究当选IAPR（模式识别联合会）Fellow。

全部评论