Year: 2023
CAM-Net Digest, Vol. 20 (2023), Iss. 3 : p. 5
Abstract
特刊：Machine Learning for Computational Imaging
特刊上线日期: 2024年6月
提交截止日期: 2023年11月30日
投稿通道：http://www.jml.pub/
计算成像（CI）作为新兴的成像模式，已经展现出比传统成像方式更优越的性能，突破了传统成像技术信息获取深度及广度的瓶颈，在工业生产与检测、医疗与生命科学、国防安全等领域有着巨大的应用潜力。作为多学科交叉领域，数学、物理和机器学习在计算成像中至关重要。近年来，机器学习技术的飞跃式发展为计算成像技术开启了一扇全新的大门，不但解决了许多过去计算成像领域难以解决的问题，还在信息获取能力、成像的功能、核心性能指标上获得了显著提升。AI技术在计算成像领域的研究内容多样，空间广阔，仍需进一步融合与探索。基于此，JML组织“Machine Learning for Computational Imaging”特刊，将深入关注该领域的重大趋势和挑战，重点介绍结合数学模型/科学计算方法的机器学习方法，及其在计算成像中实际应用的最新研究。现面向相关领域专家学者征集高水平论文，共同促进“机器学习+计算成像”的发展。
特刊主题方向
感兴趣的主题包括但不限于机器学习方法(例如，深度学习、强化学习、统计方法)应用于以下方向：
1、Image Restoration（图像恢复）
2、Image Segmentation（图像分割）
3、Compressed Sensing（压缩感知）
4、Multimodality Image Fusion（多模态图像融合）
5、Medical Imaging（医学图像）
6、Optical Imaging（光学图像）
7、Cryo-EM/Cryo-ET（冷冻电镜/冷冻电子断层扫描）
8、Super-Resolution Imaging（超分辨率图像）
9、Seismic Imaging（地震成像）
You do not have full access to this article.
Already a Subscriber? Sign in as an individual or via your institution
Journal Article Details
Publisher Name: Global Science Press
Language: Chinese
DOI: https://doi.org/2023-CAM-21554
CAM-Net Digest, Vol. 20 (2023), Iss. 3 : p. 5
Published online: 2023-01
AMS Subject Headings: Global Science Press
Copyright: COPYRIGHT: © Global Science Press
Pages: 1