Deep-learning-based design of Fano resonant HfO2 metasurfaces for full color generation (Conference Presentation)

2020 ◽  
Author(s):  
Omid Hemmatyar ◽  
Sajjad Abdollahramezani ◽  
Yashar Kiarashinejad ◽  
Mohammadreza Zandehshahvar ◽  
Ali Adibi
Keyword(s):  
Deep Learning ◽  
Full Color

scholarly journals Full color generation with Fano-type resonant HfO2 nanopillars designed by a deep-learning approach

Nanoscale ◽  
2019 ◽  
Vol 11 (44) ◽  
pp. 21266-21274 ◽  
Author(s):  
Omid Hemmatyar ◽  
Sajjad Abdollahramezani ◽  
Yashar Kiarashinejad ◽  
Mohammadreza Zandehshahvar ◽  
Ali Adibi
Keyword(s):  
Deep Learning ◽  
Fano Resonance ◽  
Learning Approach ◽  
Full Color ◽  
Wide Range ◽  
Learning Technique ◽  
First Time

Here, for the first time to our knowledge, a Fano resonance metasurface made of HfO2 is experimentally demonstrated to generate a wide range of colors. We use a novel deep-learning technique to design and optimize the metasurface.

scholarly journals Full-color optically-sectioned imaging by wide-field microscopy via deep-learning

2020 ◽  
Vol 11 (5) ◽  
pp. 2619
Author(s):  
Chen Bai ◽  
Jia Qian ◽  
Shipei Dang ◽  
Tong Peng ◽  
Junwei Min ◽  
...  
Keyword(s):  
Deep Learning ◽  
Wide Field ◽  
Full Color

Fano Resonant All-dielectric HfO2 Metasurfaces for Full Color Generation Designed by Deep Learning

2020 ◽  
Author(s):  
Omid Hemmatyar ◽  
Sajjad Abdollahramezani ◽  
Yashar Kiarashinejad ◽  
Mohammadreza Zandehshahvar ◽  
Ali Adibi
Keyword(s):  
Deep Learning ◽  
Full Color

Deep Learning

2009 ◽  
Author(s):  
Stellan Ohlsson
Keyword(s):  
Deep Learning

Intelligence artificielle : le futur de l’Orthodontie ?

2019 ◽  
Vol 53 (3) ◽  
pp. 281-294
Author(s):  
Jean-Michel Foucart ◽  
Augustin Chavanne ◽  
Jérôme Bourriau
Keyword(s):  
Big Data ◽  
Deep Learning ◽  
Intelligence Artificielle ◽  
Set Up

Nombreux sont les apports envisagés de l’Intelligence Artificielle (IA) en médecine. En orthodontie, plusieurs solutions automatisées sont disponibles depuis quelques années en imagerie par rayons X (analyse céphalométrique automatisée, analyse automatisée des voies aériennes) ou depuis quelques mois (analyse automatique des modèles numériques, set-up automatisé; CS Model +, Carestream Dental™). L’objectif de cette étude, en deux parties, est d’évaluer la fiabilité de l’analyse automatisée des modèles tant au niveau de leur numérisation que de leur segmentation. La comparaison des résultats d’analyse des modèles obtenus automatiquement et par l’intermédiaire de plusieurs orthodontistes démontre la fiabilité de l’analyse automatique; l’erreur de mesure oscillant, in fine, entre 0,08 et 1,04 mm, ce qui est non significatif et comparable avec les erreurs de mesures inter-observateurs rapportées dans la littérature. Ces résultats ouvrent ainsi de nouvelles perspectives quand à l’apport de l’IA en Orthodontie qui, basée sur le deep learning et le big data, devrait permettre, à moyen terme, d’évoluer vers une orthodontie plus préventive et plus prédictive.

Primäre ZNS-Lymphome: Vollautomatisierte Detektion und Segmentierung auf multiparametrischen MRT-Datensätzen mittels Deep-Learning

2020 ◽  
Author(s):  
L Pennig ◽  
L Lourenco Caldeira ◽  
C Hoyer ◽  
L Görtz ◽  
R Shahzad ◽  
...  
Keyword(s):  
Deep Learning

Computertomografie: Bildrekonstruktion mit Deep Learning in der klinischen Routine

2020 ◽  
Author(s):  
A Heinrich ◽  
M Engler ◽  
D Dachoua ◽  
U Teichgräber ◽  
F Güttler
Keyword(s):  
Deep Learning
Sign in / Sign up

Export Citation Format

Share Document