报 告 人：陈延伟 教授，日本立命馆大学

报告时间：3月3日（周五）9:30

报告地点：计算机楼1001会议室

邀 请 人：武星 教授

报告摘要：

近年来，深度学习在许多学术和工业领域发挥着重要作用，特别是在计算机视觉和图像识别方面效果显著。深度学习使用具有深度神经网络来构建高级特征空间，学习以数据驱动的、具有高度代表性的、分层的图像特征，这些特征已被证明优于传统手工制作的低级特征和中级特征。目前，深度学习也被应用于医学图像分析。与基于深度学习的自然图像分析相比，基于深度学习的医学图像分析存在标记训练样本数量有限、高维和多模态等问题。本次报告将谈到应对这些挑战的几种解决方案：首先介绍深度图谱先验，其将半监督深度学习与解剖图谱作为先验信息相结合，解决标注数据有限的问题；其次，介绍VolumeNet，提出一种高效但准确的轻量级3D网络，用于体数据分析；再次，将介绍基因型引导放射组学特征(GGR)，利用基因信息指导肺癌CT复发预测；最后，将讨论深度学习在医学成像中的未来。

报告人简介:

陈延伟教授(Prof. Yen-Wei Chen)，1985年在日本神户大学获得学士学位，1987年在日本大阪大学获得硕士学位，1990年在日本大阪大学获得博士学位。1991年至1994年，担任大阪激光技术研究所的研究员。1994年10月至2004年3月，担任日本冲绳琉球大学电气与电子工程系的副教授和教授。目前担任日本立命馆大学信息科学与工程学院的教授，同时也是立命馆大学先进信息通信技术医疗保健中心的创始人和首任主任。2014-2016年，担任浙江大学计算机技术与科学学院的讲座教授。

主要研究方向包括医学图像分析、计算机视觉和计算智能。在IEEE Trans在内的一些高水平期刊会议包括Image Processing, IEEE Trans. Medical Imaging, Pattern Recognition上发表了300多篇研究论文。曾获得ICPR2012年最佳科学论文奖、2014年JAMIT最佳论文奖等多项杰出奖项，主持多个国家和行业的研究项目。