聽節目（在新分頁開啟原站）連到 AI Engineering Podcast
摘要
Daniel Sodickson 分享了 AI 如何透過物理導向網路與先驗知識，改變 MRI 影像的解構方式，讓醫學影像更快速、便宜且具可解釋性。他強調需結合領域專家判斷，並透過跨領域翻譯與多模態世界模型，讓 AI 不僅能「看」影像，更能理解其深層意義。
Daniel Sodickson, Chief of Innovation in Radiology at NYU Grossman School of Medicine, discusses harnessing AI systems to understand images and revolutionize healthcare. He highlights physics-guided networks and domain expertise for faster, more accessible imaging. The conversation covers multimodal…
重點
- Daniel 是紐約大學放射科創新主管，從線性重建演進至深度學習加速 MRI。
- AI 透過物理導向網路確保解構結果符合物理規律，避免假陽性。
- 跨模態質量自動編碼可彌補語言與影像間的資訊遺失。
章節
依話題轉折切分，標題由 AI 產生
- 00:05Cash App 為何選擇 Prefect 與 FastMCP 解決 AI 工作
- 02:32從 MRI 影像到 AI 世界模型：AI 如何改變我們所見的世界
- 06:25AI 在影像領域的應用：從自然影像到醫療影像的差異
- 15:53AI 如何改變我們對空間感知與深度感知的理解
- 19:46LLM 與基礎模型在視覺任務中的侷限性與未來方向
- 24:03高風險領域中 AI 可解釋性與可審計性的挑戰
- 29:36AI 如何提升醫療效率並降低硬體成本
- 34:53AI 在影像領域的創新應用：從功能 MRI 到心理疾病診斷
- 37:40AI 如何重塑影像製程並改變人類對物件的認知
- 41:46從任務執行到世界模型：AI 在視覺領域的未來潛力
- 45:41AI 在影像領域的應用：工具鏈與人類訓練的差距
- 48:21AI 在影像領域的應用：從生存本能到生存威脅的平衡
提到的工具與公司
- Prefect
- FastMCP
- Bruin
- TensorFlow
- PyTorch
- Claude
- Cursor
適合誰看
放射科醫師、影像醫學研究者、AI 系統架構師。
摘要依據
- 講者
- Tobias Macey
- 依據
- 節目逐字稿
為什麼排在這裡
- 人氣
- 0.35
- 新鮮
- 0.27
在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算
相關內容
- 聯邦式AI生成平台落地台大醫院｜從MRI影像到臨床決策的智慧革命影片 ・ AILabs台灣人工智慧實驗室 ・ 3 分鐘（在新分頁開啟原站）
- AI and the Future of Health with Joelle BarralPodcast ・ Google DeepMind: The Podcast ・ 37 分鐘（在新分頁開啟原站）
- 149. 亲历中美neo labs资本狂潮，和清华刘子鸣聊：AI for AI、机制可解释性和Max Tegmark影片 ・ Zhang Xiaojun Podcast ・ 1 小時 41 分
- The key to using AI in healthcare影片 ・ Google Cloud Tech ・ 41 分鐘（在新分頁開啟原站）
- But how do AI images and videos actually work? | Guest video by Welch Labs影片 ・ 3Blue1Brown ・ 37 分鐘（在新分頁開啟原站）
- 80.与梅涛院士的 3 小时访谈：语言、视频、具身终将汇聚，为什么是世界模型？Podcast ・ 卫诗婕｜漫谈 Light the Star ・ 3 小時 22 分（在新分頁開啟原站）
摘要由 AI 根據原文產生，可能有誤；完整內容請看原站。聽節目（在新分頁開啟原站）