报 告 人：庄吓海 教授，复旦大学

报告时间：11月7日（周一）14:00～15:00

报告地点：腾讯会议室 655-819-598

邀 请 人：岳晓冬

报告摘要：

医学影像人工智能在计算机辅助诊断和治疗等现代医学中发挥着重要的作用，然而仍面临着多种挑战。首先现阶段基于深度学习的方法通常使用大量的成对训练数据，而高质量标注的医学图像较难获取因而限制了强监督模型的使用。同时，深度学习固有的问题，如模型训练过程和结果缺乏可解释性，在跨中心、多模态数据场景下缺乏泛化性等，也阻碍了其在医学领域进一步发展，相关研究也是目前较为关注的热点。本次报告将介绍组内近几年在这些领域的探索，包括针对跨域分布数据的弱无监督算法，基于空间转换、深度分解重建等的建模方法改进模型的泛化性和可解释性，研究图像（灰度）分布建模以改进医学图像分割、配准、重建任务的性能等工作。报告将围绕组里的几个工作介绍相关研究进展。部分工作请参考实验室主页，其中代码和数据也在网站公布

（https://zmiclab.github.io/projects.html）。

报告人简介:

庄吓海，复旦大学大数据学院教授。2010年于英国伦敦大学学院（UCL）医学图像计算中心获博士学位。主要研究方向是医学影像人工智能，图像处理等。在主流期刊和会议（如IEEE TPAMI，IEEE TMI，Med Imag Ana，MICCAI等）发表文章百余篇；曾提名国际医学图像计算与计算机辅助介入（MICCAI）协会青年科学家奖，多项工作入选期刊Med Imag Ana最高引用文章。目前担任国际学术组织MICCAI协会的理事（Board of Directors），以及Med Imag Ana、IEEE Trans Medical Imaging, Mathematics、Neurocomputing等多个期刊副主编/编委。