活动内容
在医学影像分析中，基于深度学习的标注和分割能够大幅提升模型开发速度，但是要从零开发出一套有效的模型不但耗时，也需要大量的成本和有效的数据集，这些因素一直以来都是开发者最大的挑战。
TLT是一个基于Python的工具包，开发人员能够利用预先训练好的模型，使用自己的数据集，重新训练让模型适应新的网络。并且该工具包还具备简单的添加、修剪和重新训练网络的能力，提高了深度学习训练流程的效率和准确性。
放射科医生治疗和诊断的过程比较繁琐，他们通常要花费数个小时来检查患者的医学影像资料，并手动标注出在图像中异常的位置。AI辅助标注SDK可以在医生诊断过程中提供协助，提高工作效率。并且通过迁移学习，AI辅助标注系统会不断学习，每一张新的标注影像都能够成为新的训练数据，从而进一步改善模型的准确度。
开发人员也可以利用NVIDIA的医学成像端到端深度学习工作流，将基于深度学习的医学影像的迁移学习工具包（TLT）和 AI 医学图像标注工具包部署到NVIDIA Clara医学影像平台上。
Clara医学影像平台核心是Clara AGX，以NVIDIA Xavier AI运算模组和Turing GPU为基础运算架构，辅以 Clara 软件开发套件，允许开发人员通过开发各种应用程序来处理现有系统的数据。Clara平台可以将存储在医疗设备中的数据转换为动态的医学影像数据，帮助医疗设备提升成像质量，降低因为医疗设备产生的误诊率。
主讲嘉宾：
徐大光，NVIDIA美国智能医疗研发团队经理，博士毕业于美国约翰霍普金斯大学，拥有10年医疗领域算法研究和产品开发经验，在国际顶级学术期刊和会议发表论文20余篇并且有20余项国际专利。其团队致力于医学影像方向的深度学习算法开发，目标是推动医学图像分析质量, 缩短研发人员和医生开发人工智能模型，算法或产品的时间。
孙鹏，NVIDIA解决方案架构师，中国科学院大连化学物理研究所物理化学博士。博士期间从事分子反应动力学理论研究，负责组内GPU程序开发，参与国内RAPIDS首批用户测试工作。
课程大纲：
1、医疗影像发展近况简介
2、医疗影像平台Clara的成像原理及优势
3、人工智能对医学图像领域的影响
4、NVIDIA在智能医疗领域的研究
5、迁移学习在医学影像分析中的应用
6、提升医学影像分析效率的工具包介绍
点击立即听课，登录之后即可听课。
