教授. Yannet Interian

Yannet Interian

副教授

全职教师
霍华德101号，605
(607) 279-5554

传记

Yannet是数据科学硕士项目的副教授, 主要研究方向为机器学习和深度学习在医疗数据中的应用. 她拥有康奈尔大学应用数学博士学位和哈瓦那大学数学学士学位, 古巴. 在加州大学伯克利分校做博士后之后, 她在谷歌做了五年的数据科学家. Yannet是Akualab的联合创始人, 这家初创公司帮助组织利用机器智能开发数据驱动产品，并为加州大学伯克利分校和在线博彩平台。设计了数据科学课程.

研究领域

  • 机器学习
  • 深度学习
  • 机器学习应用于医学

教育

  • 康奈尔大学应用数学博士，2006年

选定的出版物

  • Cluceru J.菲利普斯，J。.莫利纳罗，A.，实习生，Y.， Luks, T.阿尔凯德-莱昂，P.奈尔，D.拉方丹，M.Shai, A.Chunduru, P. 和Pedoia, V., 2021. NIMG-25. 应用深度学习和扩散加权成像技术改进胶质瘤遗传亚型的无创分类. Neuro-oncology, 23 (Supplement_6), pp.vi133-vi134.

  • 纳米T.周，S.，实习生，Y.瓦尔德斯，G.莫林，O. 德斯科维奇先生.2021年10月. 基于深度学习的实时跟踪评价合成x射线图像的生成. In 美国临床肿瘤学-癌症临床试验杂志 (卷. 44, No. 10, pp. S141-S141). 两个商业广场，2001市场街，费城，宾夕法尼亚州19103美国:利平科特·威廉姆斯 & 威尔金斯.

  • 妈,我.， 纳米T.庞，C.，实习生，Y.瓦尔德斯，G. 莫林，哦.2021年10月. 使用人工智能的GammaKnife自动计划:前庭神经鞘瘤ML和DL治疗计划参数的初步比较. In 美国临床肿瘤学-癌症临床试验杂志 (卷. 44, No. 10, pp. S141-S141). 两个商业广场，2001市场街，费城，宾夕法尼亚州19103美国:利平科特·威廉姆斯 & 威尔金斯. 

  • 巴尔德斯,G.，实习生，Y.莫林，O. 阿贝罗，W., 2021. PO-1791缩小医疗数据集的深度学习架构. 放射治疗与肿瘤学, 161, pp.S1516-S1517.

  • Cherifa, M.，实习生，Y.b、b、c.Resche-Rigon, M. Pirracchio, R., 2021. The Physiological Deep Learner: First application of multitask deep learning to predict hypotension in critically ill patients. 医学中的人工智能, 118, p.102118.

  • Ginart J.B.齐默，B.P.， 纳米T.Turgutlu, K.C.易卜拉欣，A.，实习生，Y.达拉尔，A.桑德斯，R.J.valli， M. Upadhaya, T., 2021. 基于弱监督迁移学习的多模态脑和脑室分割.

  • 罗梅罗,M.，实习生，Y.索尔伯格，T. 瓦尔德斯，G., 2020. 目标迁移学习提高小型医学物理数据集的性能. 医学物理，47(12)，页.6246-6256.

  • 巴尔德斯,G.罗梅罗，M.，实习生，Y. 索尔伯格，T., 2020. PO-1527:当small太小时? 在有限的数据集上训练深度学习模型. 放射治疗与肿瘤学，152,p.S825.

  • Cluceru J.阿尔凯德-莱昂，P.，实习生，Y.， Pedoia, V.菲利普斯，J。.奈尔，D.， Luks, T.Villanueva-Meyer, J. 卢波，J., 2020. NIMG-36. 利用深度神经网络和扩散加权成像自动分层增强和非增强胶质瘤为遗传亚型. Neuro-Oncology, 22 (Supplement_2), pp.ii155-ii155.

  • Immanni R.瓦尔德斯，G. 和Interian Y.2020年6月. 从大小和计算复杂度方面设计一个简单的CNN模型来执行医学图像分类任务. In 医学物理学 (卷. 47, No. 6, pp. E600-E600). 霍博肯河街111号，07030-5774，新泽西州:威利.

  • Gennatas E.D.弗里德曼.H.安格，L.H.Pirracchio, R.伊顿，E.赖克曼，L.G.，实习生，Y.卢娜，J.M.西蒙娜，C.B.奥尔巴赫，A. 德尔加多，E., 2020. 专家增强机器学习. 美国国家科学院院刊, 117 (9), pp.4571-4577.

  • 纳米T.德斯科维奇，M.平田，E.Y.，实习生，Y. 瓦尔德斯，G., 2020. 将IMRT QA工作量减少95%，并保持相同的质量控制水平. 国际放射肿瘤学杂志，生物物理，108(3)，pp.e311-e312.

  • 罗梅罗,M.，实习生，Y.索尔伯格，T. 瓦尔德斯，G., 2019. 用小数据集训练深度学习模型.

  • 易卜拉欣,K.萨维奇，D.A.Schnirel, A.Intrevado, P. 和Interian Y., 2019. 污染:检测城市固体废物中的污染. arXiv预印本;1911.04583. 

  • 巴尔德斯,G.罗梅罗-卡尔沃，m.s.索尔伯格，T. 和Interian Y.2019年6月. 医学物理学中的深度学习:现实还是噪音?. In 医学物理学 (卷. 46, No. 6, pp. E276-E276). 霍博肯河街111号，07030-5774，新泽西州:威利.

  • 莫林,呵,.陈伟.C.Nassiri, F.苏斯科，M.麦吉尔，S.T.瓦苏德万，H.N.吴，A.valli， M.Gennatas E.D.瓦尔德斯，G.佩克梅兹，M.阿尔凯德-莱昂，P.乔杜里，A.Interian Y.Mortezavi, S.Turgutlu, K.布什，美国.索尔伯格，T.布劳恩斯坦，S.斯尼德，P.佩里，A.扎德，G.麦克德莫特，M.Villanueva-Meyer, J. 和罗利，D., 2019. 结合放射学和放射学特征的综合模型预测脑膜瘤的分级, 局部破坏, 总体存活率. Neuro-oncology进步, 1(1), p.vdz011.

  • Interian Y.，骑出，V.科尔尼，V.P.Gennatas E.莫林，O.张，J.索尔伯格，T. 瓦尔德斯，G., 2018. 医学物理学中的深度网络vs专家设计特征:一个IMRT QA案例研究. 医学物理学, 45(6), pp.2672-2680. 

  • Interian Y.瓦尔德斯，G.文森特，R.乔伊，C.瓦桑特，K.奥利维尔，M.Gennatas E. 索尔伯格，T., 2018. EP-2163:深度神经网络与医学物理学家:IMRT QA案例研究. 放射治疗与肿瘤学, 127, p.S1194.

  • 巴尔德斯,G.张，A.J.，实习生，Y.欧文，K。.詹森，S。.T.安格，L.H.康南，A.索尔伯格，T.D.，许，我. (2018). HDR抢救近距离治疗:多重假设检验vs. 机器学习分析. 国际放射肿瘤学生物物理杂志.

  • 巴尔德斯,G.，实习生，Y. (2018). 基于迁移学习的深度卷积神经网络用于宫颈癌放疗直肠毒性预测的可行性研究. 医学物理学 & 生物学, 63(6).

  • Interian Y.，骑出，V.Keanery, V.P.埃夫斯塔西奥斯，G.莫林，O.张，J.索尔伯格，T. 瓦尔德斯，G. (2018). 深度网络vs专家设计的医学物理特征:一个IMRT QA案例研究. 即将从 医学物理学. 

  • Sundar Dorai-Raj, Yannet Interian, Igor Naverniouk和丹Zigmond. 将网络广告技术应用于电视. 网络多媒体广告:技术与技术, 情报科学参考, 好爸爸, 2011, pp. 148- 165(书章). 

  • Adrian Ulges, Yannet Interian, Luciano Sbaiz. YouTube上用户行为的预测建模. (2011)

  • 汤姆·布罗克斯顿, Yannet Interian, Jon Vaver, Vaver, Miriam Wattenhofer正在捕捉一个病毒视频. 智能信息系统杂志，第40卷，第2期，2013年，pp. 241 - 259(缩短版IEEE SIASP@ICDM 2010). 

  • H De Arazoza, R Lounes, T huang, Y Interian. 在接触者追踪下模拟艾滋病毒流行——古巴案例. 医学计算与数学方法2 (4)，267-274,2010.

  • Sundar Dorai-Raj, Yannet Interian, 丹Zigmond. 利用机顶盒数据评估电视广告活动. 再保险:认为2010.

  • Yannet Interian, Sundar Dorai-Raj, Igor Naverniouk, P. J. Opalinski, Kaustuv, 丹Zigmond. 电视广告质量:预测电视观众留存率. 广告数据挖掘与受众智能国际研讨会论文集(ADKDD), 2009.

  • 丹Zigmond, Sundar Dorai-Raj, Yannet Interian, Igor Naverniouk. 衡量电视广告质量:从观众留存数据中得出有意义的指标. 广告研究杂志,卷. 49, 2009, pp. 419-428.

  • Yannet Interian, Kaustuv, Igor Naverniouk, P. J. Opalinski, Sundar Dorai-Raj, 丹Zigmond. 观众在意吗?? 了解广告创意对电视观看行为的影响 . 再保险:认为2009.

  • 丹Zigmond, Yannet Interian, 史蒂夫陈年, 约翰霍金斯, Raimundo Mirisola, 西蒙·罗, 雅罗斯拉夫Volovich. 当观众控制时间表:测量数字录像对电视收视率的影响. 2009年ARF观众评估会议关键问题论坛.

  • Richard Durrett, Yannet Interian. 基因组中点:计算和进化意义. (2006)

  • Yacine Boufkhad, Olivier Dubois, Yannet Interian, Bart Selman. 正则随机k-SAT:平衡公式的性质. J. 奥特曼. 推理35(1-3):181- 200,2005.

  • Yannet Interian. 随机MAX-kSAT近似算法. 满意度测试理论与应用国际学术会议，2004. 完整版载于Springer-Verlag计算机科学讲义，173-182,2004.

  • 胡比·陈，Yannet Interian. 随机量化布尔公式的生成模型. 第19届国际人工智能联合会议论文集, 66-71, 2005.

  • Yannet Interian. 后门套随机3-SAT. 满意度测试理论与应用国际学术会议，2003.