پرش لینک ها

Ronald M. Summers

رونالد ام. سامرز (Ronald M. Summers) یکی از برجسته‌ترین و پیشگام‌ترین پژوهشگران در حوزه تصویربرداری پزشکی و هوش مصنوعی است. او به‌عنوان پژوهشگر ارشد در مؤسسه ملی بهداشت ایالات متحده (NIH) و بخش تصویربرداری و مداخلات رادیولوژی در مرکز بالینی این مؤسسه فعالیت می‌کند.

تخصص او عمدتاً بر توسعه و کاربرد فناوری‌های نوین مانند یادگیری ماشین، یادگیری عمیق (Deep Learning) و شبکه‌های عصبی مصنوعی در تحلیل تصاویر پزشکی تمرکز دارد، به‌ویژه در زمینه‌های سی‌تی اسکن (CT)، ام‌آرآی (MRI) و تصویربرداری دیجیتال از قفسه سینه.

 دکتر سامرز مدرک دکترای پزشکی (MD) و دکترای مهندسی برق (PhD) خود را از دانشگاه پنسیلوانیا دریافت کرده است. پس از اتمام دوره تخصصی رادیولوژی، به مؤسسه ملی بهداشت پیوست و به‌سرعت به‌عنوان یکی از محققان اصلی در زمینه پردازش تصویر پزشکی شناخته شد. او ریاست بخش “تصویربرداری کمی و بالینی محاسباتی” (Clinical Image Processing Laboratory) را در NIH برعهده دارد.

 از جمله پروژه‌های مهم او می‌توان به توسعه سامانه‌هایی برای شناسایی خودکار بیماری‌ها در تصاویر سی‌تی مانند سرطان ریه، بیماری کبد چرب، کاهش حجم عضلانی (سارکوپنیا) و بیماری‌های متابولیک اشاره کرد. تیم تحقیقاتی تحت رهبری او در ساخت الگوریتم‌های تشخیص خودکار بیماری با دقت بالا در میان هزاران تصویر پزشکی نقش مهمی ایفا کرده‌اند. او همچنین یکی از چهره‌های کلیدی در ترویج استفاده از داده‌های باز (Open Data) در حوزه تصویربرداری پزشکی است و از حامیان انتشار عمومی پایگاه‌های داده تصویری برای آموزش مدل‌های یادگیری ماشین می‌باشد. دکتر سامرز بیش از 300 مقاله علمی منتشر کرده و در کنفرانس‌های بین‌المللی معتبر به‌عنوان سخنران کلیدی حضور داشته است.

 آثار او تأثیر گسترده‌ای بر رادیولوژی مدرن و پزشکی مبتنی بر داده گذاشته‌اند. وی عضو افتخاری چندین انجمن علمی از جمله انجمن رادیولوژی آمریکای شمالی (RSNA) و انجمن بین‌المللی پردازش تصویر پزشکی است و جوایز متعددی از جمله جوایز تحقیقات برجسته از NIH و RSNA دریافت کرده است. سامرز با تلفیق دانش پزشکی و مهندسی، پلی میان علوم کامپیوتر و تشخیص پزشکی بنا نهاده و مسیر تحقیقات بالینی را به‌سوی دقت و خودکارسازی هرچه بیشتر سوق داده است. پژوهش‌های او آینده‌ای نویدبخش برای پزشکی شخصی‌سازی‌شده، تشخیص زودهنگام بیماری‌ها، و کاهش خطاهای انسانی در تصویربرداری بالینی ترسیم می‌کند.

پیام بگذارید