Soron kívüli szeminárium

The idea of computer-aided diagnosis in diagnosing and treating
illnesses has been around from nineteen-eighties. It was then that
scientists discovered that, by applying statistical algorithms on
real-world patient data, using machine learning, one can establish
useful (almost-)out-of-the-box mathematical models that perform well
at describing some problems. In the last decade, significant
increases occurred worldwide in the level of informatics-readiness of
clinical centres, in the availability of standardised technology for
data exchange and storage, and in the abundance of quality medical
radiology techniques. This, in turn, resulted in an explosion in the
availability of voluminous data, enabling further advances in the field
of computer-aided diagnosis and treatment. In this lecture, in addition
to some fundamentals related to the field, several topics concerning
medical image analysis will be discussed: utilising information theory
for organ segmentation, learning predictive models for diagnosing injuries,
data preprocessing for reducing model complexity, transfer learning
in medical radiology domain, mining PACS databases and diagnosing
illnesses using hyperspectral imaging.