报告人：  陈延伟教授，日本立命馆大学

报告时间：2023年9月12日星期二13:40PM

报告地点：一教北501会议室

报告主题：深度学习在医学图像分析中的最新进展

报告摘要：

最近，深度学习（DL）在许多学术和工业领域中扮演着重要角色，尤其是在计算机视觉和图像识别领域。深度学习使用具有深度结构的神经网络来构建高级特征空间。它学习数据驱动的、高度代表性的、分层次的图像特征，已被证明优于传统的手工制作的低级特征和中级特征。深度学习（DL）也被应用于医学图像分析。与基于DL的自然图像分析相比，DL在医学图像分析中存在一些挑战，这是因为医学图像具有有限数量的标记训练样本、高维度和多模态性。在本次演讲中，我将讨论解决这些挑战的几种方法。首先，我将介绍深度图谱先验，其中我们将半监督深度学习与解剖图谱作为先验信息相结合，以解决有限标记数据的问题。然后，我将介绍VolumeNet，其中我们提出了一种高效但准确的轻量级3D网络，用于医学体积数据分析。作为第三个主题，我将介绍基因型引导的放射组学特征（GGR），其中我们使用基因信息作为肺癌CT基础复发预测的准确指导。我还将讨论深度学习在医学图像中的未来发展。

 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。