医学图像分类是一个手动密集的过程,需要专业知识从病理学家,放射科医生和其他训练有素的专家。深度学习可以帮助自动化,加快图像分析以及改善的见解,使研究人员能够与其他数据源,如遗传背景图像,电子健康记录数据等等。然而,大多数组织尝试建立深度学习管道面临的挑战,如缩放遗留基础设施,尝试快速增殖DL框架,开发模型在团队中有效地投入生产和部署模型。

在这个网络研讨会,人类长寿公司(HLI),一个领导者在医学成像和基因组学,将分享他们如何克服这些挑战规模与深度学习提供新的见解。他们会介绍他们如何使用砖和开源技术像Apache火花,Tensorflow,和MLFlow构建一个全面的影像数据库14000 +消除识别信息的个人和力量敏捷开发环境模型,训练和部署。

加入这个会话学习:

• HLI的实现准备和de-identify数以百万计的图像和吸取的教训
• 如何构建可靠的深度学习管道使用Apache火花,Tensorflow,和MLFlow砖和AWS吗
• HLI如何使用深度学习提取生物标志物为集成成像和慢性老年性疾病遗传风险预测和phenotype-genotype发现呢
• 现场演示的深度学习转移模型识别砖统一的分析平台bob体育亚洲版bob体育客户端下载

• 博士,主任克里斯汀斯威舍机器学习,人类长寿公司
• 数据工程师迈克尔•Wibbeke人类长寿公司
• 弗兰克•奥斯汀诺莎福特博士,卫生保健和生命科学的技术总监,砖