嵌入幾何深度學習的快速資料密度泛函轉換之研究與其在多維度醫學特徵之快速辨識、追蹤與重建;Research on Fast Data Density Functional Transform Embedded in Geometry Deep Learning and Its Fast Recognition, Tracking, and Reconstruction of Multi-Dimensional Medical Features

NCUIR > college of Health Sciences and Technology > Department of Biomedical Sciences and Engineering > Research Project > Item 987654321/91114

Please use this identifier to cite or link to this item: http://ir.lib.ncu.edu.tw/handle/987654321/91114

Title:	嵌入幾何深度學習的快速資料密度泛函轉換之研究與其在多維度醫學特徵之快速辨識、追蹤與重建;Research on Fast Data Density Functional Transform Embedded in Geometry Deep Learning and Its Fast Recognition, Tracking, and Reconstruction of Multi-Dimensional Medical Features
Authors:	陳健章
Contributors:	國立中央大學生醫科學與工程學系
Keywords:	幾何深度學習;快速資料密度泛函轉換;全域捲積;醫學影像分割;高維重構;電腦視覺;流形代數;微分幾何;可解釋深度學習網路;對稱性;不變性;;Geometric Deep Learning;Fast Data Density Functional Transform;Global Convolutions;Medical Image Segmentation;High-dimensional Reconstruction;Computer Vision;Manifold Algebra;Differential Geometry;Interpretable Deep Learning Networks;Symmetry;Invariance.
Date:	2023-07-17
Issue Date:	2024-09-18 14:14:43 (UTC+8)
Publisher:	國家科學及技術委員會
Abstract:	快速資料密度泛函深度學習網路兼備可解釋性、快速物件辨識推論與超輕量型模型結構，同時在系統設計上具備自學能力故能給予系統最佳化的模型架構與訓練方案。於學術發展上，本技術能將統計機械學習與深度學習雙方架構進行整併，並在具備統計意義的流形空間裡進行解釋與對應，故能進一步對於正處於發散發展中人工智慧技術進行理論架構之統一與整合。於工程實務上，適用於腦內手術導航、病灶定位分割與三維視覺化之臨床輔助診斷。另本技術結構易於嵌入於低成本之微處理器或微控制器甚是感測模組，故將能裨益於TinyML以及邊緣運算等相關機械視覺等技術開發，也因此可帶動醫學智慧感測技術、工業人員安全維護等議題與AIoT締合之連動成長。
Relation:	財團法人國家實驗研究院科技政策研究與資訊中心
Appears in Collections:	[Department of Biomedical Sciences and Engineering ] Research Project

Files in This Item:

File	Description	Size	Format
index.html		0Kb	HTML	1	View/Open

社群 sharing

Loading...