科里W. 阿诺德博士

Dr. 科里·阿诺德的实验室研究了机器学习技术在多模态数据集上的应用, 包括放射学和整个幻灯片图像. 他们开发了提供更多成像数据量化的方法, 能够更精确地描述疾病特征. 他们试图学习跨多个信息尺度的关系，以发现预测进展的新表型, 治疗反应和结果.

杨宁，马志强，李军，陈建军，陈建军，陈建军. 基于卷积神经网络的前列腺癌分级语义分割. Proceedings Volume 10581, Medical Imaging 2018: Digital Pathology; 105811B (2018); doi: 10.1117/12.2293000

李俊，何建平，郭志强，郭志强，郭志强. 基于多尺度U-Net的前列腺根治术组织学图像语义分割. AMIA年度会议进程. 2017.

Zide M, Caswell K, Peterson E, Aberle DR, Bui AA, Arnold CW. 消费者患者门户网站偏好与健康素养:一项使用众包的调查. JMIR Res协议. 2016年6月8日;5(2):e104. doi: 10.2196 / resprot.5122.

王文强，王文强，陈志强. 使用短语和文档元数据改进临床报告的主题建模. J生物医学信息. 2016年6月,61:260-6. doi: 10.1016/j.jbi.2016.04.005. Epub 2016年4月21日.

陈志强，陈志强，陈志强，陈志强，陈志强，陈志强，陈志强，陈志强. RadPath:一个基于网络的系统，用于整合和关联癌症诊断期间的放射学和病理学发现. 阿德莱德大学Radiol. 2016年1月;23 (1):90 - 100. doi: 10.1016/j.肢端.2015.09.009. Epub 2015 10月27日.