探索 MICCAI 為深度學習醫學影像研究提供的頂尖開創性研究成果
深度學習將成為醫學影像的重要工具，協助臨床醫師快速判讀影像、計算指標、監控變化並緊急辨識出結果，藉以最佳化工作流程。探索醫學影像運算與電腦輔助手術 (MICCAI) 會議上展示的最新研究，並在 NVIDIA GPU 技術大會 (GTC) 上與幕後研究人員會面 。
DART：以領域適應性與表現層轉換 (DART) 為主題的第二場 MICCAI 實作坊
SASHIMI：醫學影像中的模擬與合成技術
DCL：以分散式與協作學習 (DCL) 為主題的第一場 MICCAI 實作坊
LAMP：運用自動化模型平行處理進行影像分割的大型深度網路
使用大規模肺炎和氣胸資料集低度監督單階段視覺與語言參照物件偵測
GANDALF：利用具備鑑別器調整損失微調功能的生成對抗網路，從 MRI 進行阿茲海默症的診斷
使用多機構協作深度學習自動化胰臟分割
乳房密度分類的聯合學習：可於真實世界實作
適用於醫學影像的聯合模擬
MONAI (人工智慧的醫療開放式網路) 是一種可自由使用，且具有社群支援的開放原始碼 PyTorch 框架，適用於醫學影像中的深度學習，並提供經過領域最佳化的基本功能，可在原生 PyTorch 範例中開發醫學影像訓練工作流程。我們很榮幸能與 MICCAI 教育計畫合作，在 9 月 30 日到 10 月 2 日為醫學影像研究人員提供具備訓練模組、架構深入探索以及開放式挑戰的第一屆 MONAI 訓練營。
注意：MONAI 訓練營報名已額滿。
我們將會錄製所有訓練，並以隨選方式在此頁面上提供。