• 人类生物医学研究法 (HBRA) 附属立法工作委员会成员,2017 年 • 第 10 届生物医学工程学会科学会议研究生海报展示评委,2016 年 5 月 14 日 • 新加坡青年演讲竞赛决赛主席兼评委,2014 年、2016 年 • 英国材料、矿物和采矿协会特许工程师小组面试官,2013 年 • 新加坡青年演讲竞赛组委会主席,2003 年 - 2007 年
牲畜实验室(LL)将使用先进的基因工程,数据分析和机器学习技术来创建出色的优质细胞系。ll将提供经过验证的细胞系集合,这些细胞系被证明可以扩展,完全脱离风险,并提供一流的单元线工程(控制,稳定性等)。即使是不喜欢GM的公司(不到所有报告的公司的一半)也需要GM细胞在其研发过程中,因为GM细胞稳定,并且可以在实验中提供可靠的常数。
摘要 — 人工智能 (AI),尤其是深度学习,需要大量数据进行训练、测试和验证。收集这些数据和相应的注释需要实施成像生物库,以标准化方式提供对这些数据的访问。这需要根据当前标准和指南进行精心设计和实施,并遵守当前的法律限制。但是,由于资源需求很高,并且需要在本地和云中谨慎混合实施 AI 管道,因此实现适当的成像数据收集还不足以训练、验证和部署 AI。本章旨在通过提供数据存储、云使用和 AI 管道所涉及的不同概念和实施方面的技术背景,帮助读者在对 AI 环境进行技术考虑时提供帮助。