最优化与统计学习方法在OCT图像重建及处理中的应用

来源:光电信息与计算机工程学院发布时间:2020-10-29访问量:3006

题目:最优化与统计学习方法在OCT图像重建及处理中的应用

报告人:凌玉烨,长聘教授助理教授,上海交通大学电子信息与电气工程学院John Hopcroft计算机科学中心

报告时间:2020116日(周五)上午900

报告地点:光电大楼946

 

摘要:

自问世以来,光学相干层析成像(OCT)在临床医疗和基础研究领域均得到了大规模的应用。轴向分辨率作为OCT系统最重要的性能指标这一,在最近几年间受到了国内外研究者的广泛关注。传统的FD-OCT所使用的图像重建方法较为简单,通过一次傅里叶变换便获得了被测物体的深度信息。本报告将主要介绍近年来学界及本课题组在OCT图像重建问题上的一些思考和探索,着重探讨在逆问题求解的框架下,如何利用合理的物理假设、使用最优化与统计学习的方法对FD-OCT图像进行高质量重建和分析处理。

 

报告人简介:

凌玉烨:博士毕业于美国哥伦比亚大学电子工程系,现任上海交通大学电子信息与电气工程学院John Hopcroft计算机科学中心助理教授。研究方向为光学相干层析成像(OCT)及生物医学图像处理。发表SCI期刊论文10篇、国际会议报告十余次,申请美国专利3项、中国专利1项。同时担任多个学术期刊的审稿人(Optics Letters, Journal of Biophotonics, IEEE Transactions on Biomedical Engineering, Biomedical Optics Express, Advanced Intelligent Systems, Applied Optics, IEEE Photonics Journal等)。目前主持国家自然基金青年基金一项,参与科技部重点研发计划两项。曾获2011年上海市高等学校优秀毕业生,2014年魏氏家族私人基金会奖学金及2014年哥伦比亚大学Millman优秀助教奖。


返回原图
/