<p>在过去的三十年里,成像技术一直在以极快的速度发展,以至于已经建立的处理模型一直在努力改善新兴的成像模式和不同程度的成像质量。图像分割是目前研究较多但仍具挑战性的课题。目前流行的深度学习方法为快速分割提供了一种有效的方法。然而,一个瓶颈是大量具有代表性的训练数据表明,在许多现实场景中,例如显微图,发现大量包含手动标签的需求是不现实的。 本次讲座首先讨论了数学模型如何处理图像分割和共配准的任务及其突出的挑战性问题。这种模型大量使用了非线性优化。然后展示了如何使用图像配准来开发一种新的图像分割深度学习算法,该算法克服了人工标签少的问题。</p>