Reconstruction de l'image médicale : de la base de modèles à la base de données

Cette séance de cours de l'instructeur couvre l'évolution des techniques de reconstruction de l'image médicale, à partir d'approches classiques basées sur des modèles aux méthodes récentes basées sur des données utilisant des réseaux neuronaux profonds. La présentation se penche sur des sujets tels que la formulation variationnelle, la détection comprimée, l'évolution de la sparosité et l'application de l'apprentissage profond dans l'imagerie médicale. La séance de cours explore également les défis de la reconstruction de l'image, le concept de contraintes de sparsité et l'utilisation d'algorithmes itératifs pour la détection comprimée. En outre, il traite de l'émergence de réseaux neuronaux convolutionnels profonds pour la reconstruction de la bioimage et de leurs applications potentielles selon diverses modalités d'imagerie.