特邀讲者-南京信息工程大学智能医学图像计算省高校重点实验室

特邀讲者

当前位置：首页 / MICS / MICS2022 / 特邀讲者

居胜红教授（东南大学附属中大医院）

居胜红（教授），医学博士，东南大学首席教授、主任医师、博士生导师。现任东南大学医学院副院长、附属中大医院影像科主任。国家杰出青年科学基金获得者、“万人计划”科技创新领军人才、科技部“重点领域创新团队”负责人。研究方向人工智能与影像组学、分子影像。主持国家自然科学基金重点项目、国家重点研发计划课题等10余项。以第一作者/通讯作者发表论文100余篇。获国家科技进步二等奖(排名第二)、教育部科技进步一等奖等。

报告题目：人工智能在医学影像领域研究现状与实践

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=8

报告摘要：随着临床影像数据量的急剧增长和医学影像分析技术的飞速发展，如何快速准确地针对不同疾病影像进行精确分类、诊断和预后评估，是医学工作者面临的重大挑战。人工智能技术可以高通量地自动化提取高维特征信息，目前已广泛应用于临床大数据分析领域，为医学影像的快速识别、精准分割和辅助诊断等分析工作提供了新的契机。本报告第一部分首先简述了近年来人工智能技术在医学影像分析领域的研究现状。第二部分介绍了本课题组近期使用人工技能技术在CT、MRl和病理切片等医学影像分析中的研究成果。主要包括人工智能赋能新冠肺炎医学图像精准定量研究，基于多模态影像的缺血性脑卒中诊治新技术的关键科学问题研究，影像组学预测肝癌患者的肝动脉化疗栓塞术后生存期研究，基于深度学习的肾细胞癌病理切片分型及预后研究等。

刘振宇教授（中科院自动化研究所）

刘振宇（教授），中国科学院自动化研究所研究员，博士生导师，国家优秀青年科学基金获得者，中国研究型医院学会医学影像与人工智能专业委员会副主任委员，中国科学院人工智能创新研究院2035创新任务负责人，中国科学院脑科学与智能技术卓越创新中心年轻骨干，中国科学院青年创新促进会会员，获得中国体视学学会青年科学技术奖。主持了多项国家级和省部级科研项目。主要从事医学影像大数据智能分析方面的研究工作。

报告题目：影像病理融合的直肠癌新辅助疗效评估方法与临床应用探索

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=9

报告摘要：精准预测直肠癌患者接受新辅助治疗后能否达到pCR，对新辅助治疗的实施及其后续治疗方案的制定具有重要意义;同时，精准预测接受新辅助治疗的直肠癌患者术后远处转移风险，针对不同的预后风险制定个体化辅助治疗方案，对提升肿瘤总体治疗效果也具有重要价值。利用人工智能方法，结合医学影像宏观信息和病理图像微观信息，为新辅助治疗效果评估提供了新思路:在新辅助治疗的pCR预测上，采用多源特征互信息筛选的多尺度肿瘤关键特征筛选方法和多尺度肿瘤图像残差学习方法，显著提高了肿瘤影像智能分析预测pcR的精度;在新辅助治疗患者术后远处转移风险的预测上，构建基于注意力机制的多模态磁共振影像特征融合残差学习多变量比例风险模型，实现了对患者术后远处转移风险的个体化精准预测。相关模型方法已在多中心临床大数据进行验证，为探索医学影像人工智能方法的临床应用提供了新思路。上述相关发表在Nature Communica-tions、Lancet Digital Heath以及Clinical Cancer Research等期刊上,多次被国际临床肿瘤专家给予“首次”评价。相关工作连续三年写入中国临床肿瘤学会诊疗指南。

杨林教授（西湖大学）

杨林（教授），1999年毕业于西安交通大学，获工学学士学位；2002年获西安交通大学信息与通讯工程硕士学位；2006年、2009年分别获罗格斯大学电子与计算机工程硕士和博士学位。2009年至2011年，担任罗格斯大学病理学系、放射学系和生物医学工程系的助理教授。2011年至2014年，担任计算机科学系的助理教授，并于2014年获得终身副教授(tenured)。2020年加盟西湖大学工学院，成立人工智能与生物医学影像实验室，从事人工智能、医学影像、机器学习等医工交叉方面的研究工作。杨林博士聚焦生物医学影像分析、图像信息学和机器学习领域，已有超过15年的研究经验。在显微图像分析、计算机辅助诊断和预测、生物医学图像分析、数字病理和人工智能领域做出了重大贡献。他曾在2015 MICCAI中获得年青年科学家最佳论文奖等奖项（Young Investigator Best Paper Award)，近年来已在Nature Machine Intelligence、Nature Medicine共发表三篇文章，在PAMI，TMI，MIA等期刊上发表多篇文章，在CVPR、MICCAI、AAAI、ECCV等顶级会议上发表论文40余篇。杨林博士共发表SCI论文一百余篇，引用超过万次，GOOGLE Scholar H-index 54。

报告题目：数字病理与人工智能：现状与挑战

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=10

报告摘要：Diagnostic pathology is the foundation and gold standard for identifying carcinomas. Howev-er, high inter-observer variability substantially affects productivity in routine pathology and is especially ubiquitous in diagnostician-deficient medical centers. Despite rapid growth in computer-aided diagnosis (CAD), the application of whole-slide pathology diagnosis remains to be a challenging problem. In this talk, we will first review the current rapid progress in digital pathology. Secondly, we will present some of our digital pathology algorithm and solutions, powered by artificial intelligence, to address the current challenges in applying digital pathology and artificial intelligence in real clinical settings. Finally, we will exhibit some open questions that might impede the further usage of digital pathology in clinical depart-ments, especially in China.

陈杰副教授（北京大学/鹏城实验室）

陈杰（副教授），现任北京大学信息工程学院副教授，博士毕业于哈尔滨工业大学，先后在芬兰奥卢大学，美国马里兰大学和杜克大学工作。致力于多模态数据（例如图像、文本等）的特征分析研究，共发表学术论文100余篇，包括TPAMI，IJCV，CVPR，ICCV，ECCV和NeurIPS等，谷歌学术引用达到6000余次，入选“全球前2%顶尖科学家”榜单，其中最高单篇引用达到1500余次，次高引用1200余次。任TVCJ编委，TPAMI和IJCV客座主编，CVPR，ICCV，ECCV，ACM MM的研讨会主席，AAAI的SPC等学术职务，获得国际知名蛋白质结构预测比赛CAMEO第一名。近五年先后主持/参与国家科技部重大基础设施、工信部5G项目建设，国家自然科学基金项目，广东重点项目，广东应急项目等。获得了国家科技进步二等奖两次（2005, 2015），2021年获聘深圳市鹏城孔雀特聘岗位人才。

报告题目：结构化医学图像报告自动生成

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=11

报告摘要：医学图像报告生成领域虽然已经取得了很大的进展，但仍面临以下挑战：（1）由于任务本身特性以及数据集不规范的问题，导致模型建模困难，难以生成内容完整、可读性强的报告；（2）数据集的样本不平衡问题限制了生成报告对异常症状的准确诊断。本报告针对上述两个问题探讨了一下研究进展。1）提出了任务感知的报告生成算法，用于生成内容完整、可读性强的报告。通过对完整报告按结构进行分解，并分别生成不同结构的描述，降低了任务的难度。此外，引入对结构是否存在异常的预测，构建了一个多任务学习模型，进一步提高了生成报告的质量。2）提出了自适应报告生成算法，用于生成诊断准确的报告。首先，在任务感知的报告生成算法基础上，构建了双分支生成框架，通过对有无异常样本的分别分成，从样本层面缓解了样本不平衡问题。其次，本算法提出了自动掩码损失函数，进一步解决了结构层面的不平衡问题。此外，还提出了多头自适应注意力模块，用于优化网络对视觉和语言特征的利用。

王向学副教授（南京信息工程大学）

王向学（副教授），在美国凯斯西储大学生物医学工程专业获得博士学位，曾任罗氏制药（美国）高级图像科学家，现任是南京信息工程大学自动化学院校聘副教授、“龙山学者”。王向学博士长期致力于研究医学图像分析、基于大数据的癌症预后预测、患者生存时间以及治疗效果的预测。目前发表或者共同署名发表超过30篇期刊论文和会议论文，获批7项医学图像美国专利，其中包括Science Advances、Clinical Cancer Re-search、Lancet Digital Health、MedIA等高影响力论文，累计引用超500次。王向学博士在肺癌数字病理领域工作成果多次获得同行高度评价，2017和2019基于病理图像分析对非小细胞肺癌复发风险与辅助化疗获益预测的工作分别被评为Top 100 Oncology Paper和2018 Top 10 Medical Break-through。

报告题目：计算病理在癌症预后及治疗中的应用

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=12

报告摘要：随着数字切片扫描仪的普及，数字化的组织病理切片可以通过图像分析算法定量计算特征并运用机器学习算法研究病理组学与疾病表型间的隐藏关系。通过计算机算法自动探测组织切片中不同细胞并且定量地描述其形态和病理相关特征为更全面研究肿瘤预后提供了一个新的方向。我们因此开发了一套计算机辅助系统预测早期非小细胞肺癌术后复发概率(85%)。进一步的研究表明，基于病理组学的图像风险系数可以量化早期肺癌患者术后接受辅助化疗的获益可能性，进而为临床辅助化疗提供一套可能的定量化评估工具。癌症免疫治疗通过激活自身免疫反应来清除癌细胞并在晚期癌症病人中取得了显著疗效。然而，现阶段临床上缺少可靠的免疫治疗病人选择的生物标记。现行的PD-L1表达来筛选病人只能取得约50%的短期疗效。基于免疫治疗的医学特性，我们开发免疫细胞和肿瘤互作关系的图特征来预测肺癌病人对于免疫治疗的效果，并在肺癌与多种妇科癌症临床验证数据集上取得了75%的准确率。

李镇助理教授（香港中文大学（深圳））

李镇（助理教授），博士,目前任香港中文大学（深圳）理工学院助理教授，同时兼任深圳市大数据研究院研究科学家，香港中文大学（深圳）未来智联网络研究院和深圳大学华南医院特聘研究员。入选 2021-2023第七届中国科协青年人才托举工程项目。获得香港大学计算机科学博士学位（2014-2018年），中山大学通信与信息系统硕士学位（2011年-2014年）以及中山大学自动化学士学位（2007年-2011年）。于2018年在芝加哥大学担任访问学者，并于2016年在芝加哥丰田技术学院（TTIC）担任访问学生。研究兴趣包括人工智能跨学科研究，三维视觉、计算机视觉以及深度学习辅助的医学大数据分析。组织了MICCAI2022多器官挑战赛AMOS(https://amos22.grand-challenge.org/)，在顶级会议和期刊上发表了论文 30 余篇，例如顶级期刊 Cell Systems 和 Nature Communications, IEEE TNNLS，IEEE TMI，PLOS CB等以及顶级会议 CVPR，ICCV, ECCV, AAAI, IJCAI, ACL, ECAI，MICCAI，RECOMB，ISBI 等。与此同时，李镇博士是蛋白质结构预测领域的奥林匹克竞赛（CASP12）接触图预测冠军，并作为 DeepMind 团队 AlphaFold 版本的基线方法。该方法对应的论文获得了 PLOS CB 突破与创新奖（一年一例），并且是 Web of Science 的高被引论文。作为导师，李镇博士带领学生获得了大场景点云解析竞赛 SemanticKITTI冠军等优异的竞赛表现，ICCV2021 大场景城市街景理解竞赛第二名，IEEE ICDM Global A.I.气象挑战的第一名（1700 支队伍中）。李镇博士还获得了来自于国家、省市级以及工业界的科研经费。

报告题目：基于深度学习的肠镜智能诊断分析平台

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=13

报告摘要：结直肠癌发病率和致死率均占前列，而结直肠癌多由结直肠息肉转变而来，因此对息肉进行早期筛查和治疗非常必要。息肉检测与分割(Polyp Detection and Segmentation)作为一种计算机视觉任务，可以自动地将图像或视频中的息肉部位检测并分割出来，大大地降低医生的工作量，因此建立一套精确的只能肠镜检测分析诊断平台对于临床医学诊断具有重大意义。本报告将介绍一个基于深度学习的肠镜智能诊断分析平台，其包含有肠道清洁度分析，肠镜检测退镜定位，高精度肠道息肉检测与定位模块以及基于单一白光和多模态（白光以及NBI）的息肉分型模块，致力于辅助医生进行肠道息肉的诊断与分析。

张志强教授（南京大学医学院/东部战区总医院）

张志强（教授），东部战区总医院放射诊断科副主任。南京大学医学院及计算机系教授博士生导师。研究方向为神经影像学、医学影像人工智能。是国家自然科学基金优秀青年项目、江苏省医学重点人才、中华放射学会荣誉青年获得者学术任职：中华放射学会青年学组副组长、国际交流工作组副组长、神经学组委员；江苏省放射学会神经学组组长、江苏省放射医师学会青委会副主委，主持国家自然科学基金项目及科技部、江苏省科研项目多项。共发表SCI论文100余篇、他引4000余次。

报告题目：AI超分辨助力临床常规脑影像数据脑科学研究转化利用

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=21

报告摘要：脑科学形态影像学研究多采用各向同性高分辨结构MRI成像，但需要耗时长的特殊扫描，临床工作中较少采集。相反，临床积累了海量的厚层T1WI扫描病例数据，但由于z方向上分辨率不足，不能用于定量化的脑科学研究，使得临床数据闲置。我们基于2052例同时采集各项同性高分辨和常规厚层MRI脑结构像数据，采用基于深度学习的结构约束超分辨网络技术，对厚层图像进行超分辨重建；依各向同性高分辨数据为金标准，详细分析了超分辨重建后的厚层数据，在脑形态学分析应用时的性能。发现其在体积分析比表面积分析时效果更好；皮层部位比皮层下和小脑效果好。该评价工作为超分辨临床数据的脑形态学分析可行性打下基础。

徐西嘉副教授（南京医科大学附属脑科医院）

徐西嘉（副教授），精神病学博士，主任医师，副教授，博士研究生导师。中华医学会心身医学分会心身重症医学协助组委员；江苏省医学会精神病学分会精神分裂症学组委员《临床精神医学杂志》编委；江苏省六大人才高峰高层次人才。主要从事精神分裂症、双相情感障碍等精神医学相关问题的临床实践与基础研究。发表中英文论文30余篇，目前主持国家自然科学基金面上项目和江苏省重点研发计划(社会发展)临床前沿技术项目各一项。

报告题目：精神分裂症的生物学诊断分型

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=14

报告摘要：精神分裂症是一种高度遗传的神经发育性脑疾病。近几年的基因组学研究已揭示了部分易感基因，但是其发病的器质性变化和生物学表型依然不清楚。在临床上，使用近百年的传统临床分型近几年已被取消，新的分型方式尚未建立，临床诊断主要依靠医生的主观判断。建立精神分裂症的生物学诊断分型是当前精神病学研究的难点。已报道的病理组织学、基因组学和影像学研究和我们的前期研究都提示了髓鞘与精神分裂症存在强相关性。以髓鞘损伤作为精神分裂症神经影像基因组研究的切入点；构建高质量的精神分裂症样本库，利用全外显子组测序技术分析髓鞘相关基因突变，磁共振影像技术分析髓鞘损伤病变；基于基因和影像结果，利用传统稀疏特征选择算法等机器学习方法建立精神分裂症髓鞘损伤鉴定模型；并通过临床分型和诊断应用进行模型的检验修正。以髓鞘损伤为切入点，采用神经影像基因组这一前沿热点研究方法，探索基因与影像表型的内在关系，有望在精神分裂症的生物学分型和临床诊断方面取得重要进展。

许铮铧教授（河北工业大学）

许铮铧（教授），河北工业大学教授，博士生导师，河北省海外高层次人才计划省级特聘专家，河北省优秀青年科学基金获得者，英国牛津大学客座研究员、外聘博导。现任医学图像计算青年研讨会（MICS）委员，中国计算机学会机器视觉专委会（CCF-CV）执行委员，中国计算机学会青年计算机科技论坛天津分论坛（YOCSEF天津）学术秘书，中国生物医学工程学会医学影像工程与技术分会青年委员，河北省数理医学学会健康大数据专委会常务委员，IJCAI、AAAI、ECAI等国际人工智能顶会程序委员会委员、高级委员和分会主席，Information Science、Neurocomputing等SCI Top期刊审稿人。主要从事医学影像智能分析研究，已发表高水平论文近30篇，近5年以第一/通讯作者发表CCF A类国际顶会论文7篇、CCF B类国际顶会论文4篇、SCI JCR Q1论文4篇，最高单篇论文引用300余次，主持国家和省部级项目4项。

报告题目：有限数据和标注条件下的高精度医学影像分割

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=15

报告摘要：当前智能医学影像分割系统主要基于深度学习影像分析技术，因此需要大量具有精确分割标注的医学影像数据来进行深度模型的训练。然而，高质量的医学影像数据及其分割标注具有专业性强、临床获取难度大的特点，从而严重制约智能医学影像分割系统的临床落地。本报告将从医学影像数据增强、骨干网络优化、半监督分割模型和自监督分割模型四个方面介绍团队在有限数据和标注条件下的高精度医学影像分割领域的研究成果。

欧阳熹博士（上海联影智能医疗科技有限公司）

欧阳熹（博士），目前就职于上海联影智能医疗科技有限公司，于2022年从上海交通大学生物医学工程学院获博士学位，2018年和2015年从华中科技大学电子信息工程学院获得硕士和学士学位。研究兴趣在于医学图像分析，弱监督学习等领域。在国际期刊和会议发表文章20余篇，被引用800多次。其中在医学图像顶级期刊（IEEE TMI和MIA）发表文章4篇，医学图像顶级会议MICCAI发表文章3篇。

报告题目：医疗图像中的注意力机制及其应用

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=16

报告摘要：深度神经网络虽然在医学图像分析中取得了巨大的进展，但是其可解释性在临床应用中一直是一个问题。本报告中提出一种注意力机制给深度神经网络在诊断任务中提供视觉可解释性依据，该可解释性依据也可以用作弱监督定位结果。在本报告中我们将介绍一系列围绕注意力机制的工作，包括使用分层注意力挖掘机制和GAN引导的注意力学习。同时，提出一种使用注意力机制在网络训练中引入医生阅片的眼动信息来进一步提升深度神经网络的诊断性能的方法。最后，除了注意力机制在可解释性学习中的研究，本报告也提出一种将注意力机制引入乳腺钼靶实现精准微钙化簇定位的方法。

石小爽教授（电子科技大学）

石小爽（教授），博士，目前担任电子科技大学计算机科学与工程学院特聘教授，博士生导师。于2019年从美国佛罗里达大学生物医学工程系获博士学位，2013年和2009年分别从清华大学和西北工业大学自动化系获硕士和学士学位。2020-2021年在美国国立卫生研究院从事博士后研究工作。研究方向包括医学图像分析，大规模图像编码和特征解释。

报告题目：深度神经网络在医学图像上的可解释性和鲁棒性

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=17

报告摘要：深度神经网络可以极大的提高医学图像的分类精度，但是由于它不能直接解释其诊断结果，易导致其在临床应用上的可信性和可靠性问题。另一方面，弱标注的医学图像广泛存在于临床应用中。因此，挖掘和解释图像中的重要区域或潜在的病理特征不仅可以提高深度神经网络诊断结果的可信性和可靠性，而且有助于解释和理解疾病的起因。此外，深度神经网络的诊断结果易受人眼不可见的对抗性扰动的操纵，从而导致其在临床应用中的安全性问题。本报告将结合本组近期在深度神经网络可解释性和对抗医学图像上的鲁棒性研究工作进行介绍。

李晴博士后（北京师范大学）

李晴（博士后），北京师范大学认知神经科学与学习国家重点实验室博士后，合作导师贺永教授。2022年毕业于北京师范大学人工智能学院，导师邬霞教授。2018年-2020年，受国家留学基金委资助，赴美国佐治亚大学开展为期2年的联合培养博士访问研究工作，导师Prof. Tianming Liu（刘天明教授）。研究生国家奖学金获得者。主要研究方向为脑信号智能分析、脑启发的深层模型算法、神经网络结构搜索算法、儿童脑发育等，她的工作对于从认知任务/个体特异性的角度理解脑认知功能以及脑疾病的辅助诊断具有重要潜在价值。近年来，在Medical Image Analysis、IEEE IEEE Transactions on Biomedical Engineering、Pattern Recognition、自动化学报、IPMI、MICCAI等国内外重要学术期刊、会议发表论文20篇，谷歌学术引用200余次。文章入选IEEE Transactions on Biomedical Engineering特色文章。主持北京师范大学自主科研基金研究生项目1项，作为主要成员参与国家级、省部级科技项目5项。先后4次受邀参加国际会议，并做大会oral/poster报告。担任Frontiers in Neuroscience、数据采集与处理、MICCAI等期刊会议审稿人。

报告题目：基于时序神经网络的脑功能分析与预测

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=18

报告摘要：大脑是自然进化中最复杂、最完善的动态信息处理器，是人类思维和行为的核心中枢，也是人类智能的核心。而脑功能数据分析是认识脑、理解脑的核心关键基础，针对其进行智能算法的研究对于脑认知分析、脑启发算法构建具有重要意义。基于时序神经网络的深度学习方法对脑影像进行智能分析，从而实现人脑认知功能机制的解析与预测，是认识和了解人类大脑工作机制动态性的关键一环。同时，针对脑功能影像数据特点研发先进的智能计算方法也为信号处理、机器学习算法研究等相关领域带来了新的机遇和挑战。本次报告将基于脑功能影像数据，介绍针对脑影像数据时-空共变特点的系列时序智能分析方法，旨在为分析脑、解释脑、预测脑提供新思路。从算法构建、脑认知建模、脑功能预测的闭环中，层层推进，螺旋上升，为脑功能数据智能分析提供新视角。

刘梦汀副教授（中山大学）

刘梦汀（副教授），博士，中山大学百人计划副教授，中山大学生物医学工程学院智能脑科学课题组负责人。分别于西安交通大学生物医学工程专业和美国路易斯安纳理工大学生物医学工程专业获得学士和博士学位，后于美国特拉华大学（University of Delaware）和南加州大学(University of Southern California)分别进行博士后的研究。重点关注神经影像，人工智能和脑科学的交叉研究。尝试通过神经影像分析工具和机器学习算法设计来解决生命各个周期中神经影像分析的难题，并探索相关脑科学问题。长期担任IEEE Trans-actions on Medical Imaging、Neuroimage、Frontiers in Neurosciences等十余种学术期刊审稿人。近三年在脑科学领域的知名期刊包括Neuroimage, Cerebral Cortex等,以及医学影像分析顶级会议和期刊如MICCAI，TMI等发表过论文20余篇，其中一作/通讯论文13篇，中科院一区期刊论文8篇。受邀作国际或区域性学术会议主旨/邀请报告8次。现担任3个SCI期刊审稿编辑，以及2个SCI期刊主题编辑职务。主要研究方向包括：神经影像分析，发育神经科学，认知神经科学，人工智能算法等交叉领域。

报告题目：机器学习在探索生命各阶段神经科学问题中的应用

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=19

报告摘要：脑科学在人生命周期的各个阶段，都有着其最为关切的脑科学问题。比如婴幼儿时期面临的最大问题是大脑的功能和结构如何发育；在青壮年时期，则是大脑如何认知；而老年阶段，则是如何应对神经退行性疾病。神经影像分析，特别是磁共振成像技术（MRI）逐渐成为研究脑科学的主要工具，并已经被证明可以为各个阶段的脑科学难题提供越来越多的关键性证据。然而，神经影像分析在各个阶段都面临各自特殊的挑战。比如，婴幼儿时期的大脑体积很小，很多大脑的细微结构甚至低于成像的分辨率，另外，大脑的形态和微观结构在婴幼儿时期都正在经历快速且巨大的变化。对于青壮年时期，解码大脑的认知最关键的障碍是了解人类行为和认知的大脑功能定位，而大脑的功能定位十分复杂，单一的脑区可能对应很多的功能，而单一的大脑功能可能由很多脑区共同完成，并且这种对应具有极强的动态特性。在老年时期，神经退行性疾病影像分析的主要难点在于早期诊断以便及早引入干预和治疗，而神经退行性疾病由于其诱因十分复杂，导致难以准确全面的理解这些神经退行性疾病的发病机制，因此无法及时准确诊断。本报告将关注机器学习手段对帮助应对生命周期各个阶段神经影像分析挑战的一些尝试，并以此来进行的一些对于解答生命各个阶段关切的脑科学难题的探索。

李康教授（四川大学华西医院）

李康（教授），四川大学华西医院特聘研究员，四川大学匹兹堡学院科研副院长，华西医院-商汤科技联合实验室主任，“岷山计划”华西医疗机器人技术研究院院长，研究领域主要涉及医学人工智能、医疗机器人、生物力学、人因工程等。发表论文90余篇，主持或参与项目30余项。

报告题目：Artificial Intelligence in Healthcare: Our Journey at West China Hospital

报告摘要：Artificial intelligence receives much attention from healthcare industries. AI tools will facilitate and enhance human work and thus provide substantial improvements in all areas of healthcare from diagnostics, and treatment to rehabilitation. Top hospitals such as West China Hospi-tal have realized the importance of AI in future healthcare and participated in the development of AI tools for clinical applications. This talk will discuss our research effort utilizing AI in healthcare and present our work in many clinical research applications.

樊鑫教授（大连理工大学）

樊鑫（教授），大连理工大学教授、博士生导师、学国际信息与软件学院院长。分别于1998年和2005年西安交通大学获工学学士和博士学位, 2006-2009在美国进行博士后研究。主要研究方向为视觉计算、健康计算，主持1项国家自然科学基金重点项目和多项面上项目，在领域顶级期刊和会议IEEE TPAMI, TIP,CVPR, ICCV等发表论文60余篇。入选教育部“新世纪优秀人才支持计划”，获得辽宁省科技进步二等奖与大连市科技进步一等奖各1项，成果已在国家重大需求和服务器人领域落地应用。同时，致力于国际化软件工程人才培养的探索与实践，获得国家教学成果二等奖1项和辽宁省教学成果奖2项，为国家一流本科专业和辽宁省一流课程负责人。

报告题目：医学影像的通用处理算法与个性化建模

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=22

报告摘要：医学图像配准通过发现图像之间的空间对应关系，将不同的图像转换为一个具有匹配内容的公共坐标系，在医学影像分析以及介入治疗中起着至关重要的作用。报告介绍了从医学影像配准框架的不同方面（特征空间、相似性度量和转换模型）探索自动学习适合多种数据、多种场景的通用智能配准算法。此外，介绍了在个性化关节、仿生骨结构和放疗补偿膜设计等个性化定制方面的工作。

崔智铭助理教授（上海科技大学）

崔智铭（助理教授），上海科技大学生物医学工程学院助理教授。于2022年在香港大学计算机科学系获得博士学位，曾在博士期间先后访问上海联影智能医疗有限公司和上海科技大学。研究领域包括数字化正畸，医学图像分析，三维视觉，计算机图形学等领域。目前，以第一作者在Nature Communica-tions,CVPR,MICCAI,IPMI,IEEE TMI，MedIA等多个顶会和顶刊发表文章。

报告题目：Learning-based tooth segmentation and analysis in digital dentistry

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=23

报告摘要：随着人们对口腔健康意识的日益提升，数字化口腔技术已被广泛应用于正畸、修复、种植、牙周及颌面手术中。如何从多模态口腔数据中重建出高精度三维牙齿模型对数字化口腔的应用研究至关重要。为此，本报告将针对三种常见的口腔数据（CBCT，口扫模型和全景片）介绍牙齿自动分割与重建算法，分别包含：1）基于多层次牙齿形状先验的CBCT分割与口扫模型分割；2）基于隐式表达的牙齿补全。该系列工作不仅大大提高了数字化口腔的临床效率，也预示着将人工智能与数字化口腔相结合，将在未来的口腔医疗服务中做出巨大的贡献。

魏永斌副研究员（北京邮电大学）

魏永斌（副研究员），博士，现任北京邮电大学副研究员，博士生导师。2020年于荷兰阿姆斯特丹自由大学获得博士学位（导师：Martijn van den Heuvel教授），2021年于同实验室完成博士后研究，2022年加入北京邮电大学人工智能学院脑认知与智能医学系。作为第一作者或通讯作者在Nature Communications，Schizophrenia Bul-letin等国际权威期刊发表SCI论文多篇，并担任Biological Psychiatry，Human Brain Mapping等期刊审稿人工作。主要研究方向为脑连接学，精神病学，生物医学大数据与人工智能等。

报告题目：脑连接组与精神疾病基因风险的关联分析

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=24

报告摘要：人脑连接组描绘了神经元之间相互连接所形成的复杂网络。通过神经影像数据，人们可以在宏观尺度下刻画脑连接组，利用脑连接组从系统的角度研究人类认知行为及不同脑疾病的神经机理。然而，人们对宏观脑连接组结构的微观生物机理，特别是精神疾病中异常脑连接的底层分子机制都认知尚浅。本研究利用来自UK Biobank的神经影像数据与基因组数据，揭示了精神疾病基因风险与宏观脑连接组个体差异的联系，并指出健康成年人的精神疾病基因风险可揭示疾病中脑连接的异常模式。更进一步，利用全基因组关联分析，本研究揭示了脑连接与精神疾病在基因层面的联系。

田沄教授（北京师范大学）

田沄（教授），北京师范大学人工智能学院教授、博导，人工智能系系主任。中国工程院-清华大学联合科研工作站博士后，中国图象图形学学会医学影像专业委员会委员、生物医学图像专业委员会委员，第六届中国图象图形学学会理事会副秘书长，参与国家战略“新一代人工智能发展规划”起草工作。近年来，先后主持完成国家自然科学基金项目3项，省部委及国家电网总公司、宁波市等委托项目10余项；作为主要参与人参与国家重点研发计划、国家科技重大专项、国家自然科学基金重大项目和中国工程院重大战略咨询项目多项；在KBS、TIST、FITEE、MICCAI等国内外学术期刊和会议上发表论文近50篇；申请国家发明专利5项；2012年获北京市科学技术二等奖1项，中国电子学会电子信息科学技术二等奖1项。

报告题目：基于3D参数模型重建的心脏病理视觉识别

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=25

报告摘要：心脏影像视觉识别对于心脏病理诊疗具有重要意义。限于有限可用标注数据集，传统方法通常基于心脏二维切片对病理分类特征进行提取，难以确保心脏解剖结构的整体一致性。为此，我们提出一种基于三维参数模型重建的心脏病理分类方法。首先，基于心脏影像数据构建心脏三维形状模型，提取不同结构的形状和运动特征；其次，通过三维统计形状模型及其视觉知识约束，对心脏数据进行增强；最后，基于心脏视觉三维特征，对心脏病理进行分类。

牛田野教授（深圳湾实验室）

牛田野（教授），入选科技部863计划“青年科学家”，现任深圳湾实验室资深研究员，曾任泰晤士高等教育全球名列第38位的美国佐治亚理工学院副教授、博导和浙江大学医学院教授、博导，和国内外医院的多科室临床医生团队深度合作，从事锥束CT超低剂量和精细结构成像技术研究。基于自主研发的核心技术研制锥束CT医学成像小型专科设备，在图像引导放射治疗和手术中进行临床验证和多模态医学影像数据分析，形成了从方法学到临床应用、从核心器件到医疗器械的创新研究体系。在医学成像国际顶级期刊共发表高水平论文62篇，代表性的第一（含共同）或通讯作者（含共同）文章36篇，单篇引用次数超过100的文章3篇，总引用数>2500，最高单篇他引>300，H因子29，i10指数51。授权美国专利2项，授权国内发明专利11项，转让发明专利1项用于产品开发。主持国家重点研发计划政府间国际科技创新合作重点专项、科技部“863”计划、国家自然科学基金面上项目、国家自然科学基金青年项目、北京市自然科学基金重点研究专题、浙江省自然科学基金杰出青年基金项目等，核心参与国家自然科学基金重大科研仪器研制项目和面上项目各1项。

报告题目：消化系统影像组学临床应用和方法学研究

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=26

报告摘要：消化系统恶性肿瘤是人类恶性肿瘤发病和死亡谱中疾病负担最重的一大类癌种。随着社会经济的发展，消化系统疾病对人类生命健康的威胁日显突出,发病呈年轻化趋势。人工智能和大数据分析技术的发展，影像组学技术应运而生，可有效量化肿瘤异质性，为辅助临床医生诊断消化系统疾病提供新思路。牛田野研究员针对消化系统疾病（如：食管癌、胃癌、肝癌、胰腺癌、直肠癌等）充分利用影像组学特征全面定量肿瘤异质性，量化微环境，已在临床应用和方法学研究方面取得阶段性进展。

陈耿教授（西北工业大学）

陈耿（教授），西北工业大学计算机学院教授，曾在美国北卡罗来纳州大学教堂山分校IDEA实验室以博士后身份开展研究工作三年，在阿联酋起源人工智能研究院以研究科学家身份开展研究工作两年。专注于医学影像处理和分析、人工智能和脑神经科学相关的研究工作。已发表学术论文60余篇到Medical Im-age Analysis、IEEE TMI、MICCAI等领域内的知名期刊和会议上。长期担任Medical Image Analy-sis、IEEE TMI、IEEE TNNLS、IEEE TIP、MICCAI、IPMI、CVPR、ICCV、AAAI、IJCAI等知名期刊和会议的审稿人，同时受邀担任多个国际期刊的客座主编和多个国际会议的程序委员会委员。曾获得MICCAI旅行奖、MediaEval息肉分割竞赛精度指标第一名、计图开发者大会最具影响力（应用）论文奖等。

报告题目：基于几何深度学习的智能弥散磁共振影像计算

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=27

报告摘要：脑科学与类脑研究是当前重要的前沿研究内容，并且得到了世界各国科学界的广泛关注。人类大脑主要包括灰质和白质两种组织，其中白质由神经纤维构成，起着连接脑神经元的关键作用。针对脑白质，主要的非侵入式研究技术手段是弥散磁共振成像（diffusion MRI，dMRI），它是磁共振成像的一种衍生技术，在脑科学研究和脑疾病诊断中有着举足轻重的作用。dMRI影像计算是一个重要研究方向，而dMRI数据的高维度特性是相关研究的一大挑战。本报告将讨论如何对高维dMRI数据做几何表征，进而基于几何深度学习实现智能dMRI影像计算。

张鑫副教授（华南理工大学）

张鑫（副教授），博士，副教授，现任华南理工大学电子与信息学院人工智能系主任。主要研究领域包括机器学习、计算机视觉、智能人机交互、脑影像数据处理等。本科毕业于西北工业大学自动化学院，后于美国俄克拉荷马州立大学(Oklahoma State University)电子与计算机学院(School of Electrical and Computer Engineering)获得硕士和博士学位，2018年-2020年获国家留学基金委员会公派资助，在美国北卡罗莱纳州立大学教堂山分校(University of North Carolina at Chapel Hill) 医学院访学。主持的科研项目包括国家自然基金、教育博士点新教师基金、广东省科技计划基金，广东省自然科学基金、广州市创新科研基金、广东省重点实验室种子基金、中央高校科研业务费面上项目、重点项目，以及微软亚洲研究院(MSRA)高校合作研究项目和澳大利亚新南威尔士大学科研基金等。已发表高水平学术论文近50篇，申请国家发明专利二十余项。现兼任中国计算机学会计算机视觉专业委员会委员、中国人工智能学会模式识别专业委员会委员、中国自动化学会模式分析与机器智能专业委员会委员、广东省图象图形学会理事，IEEE会员等，并长期担任众多主流期刊会议的审稿人。

报告题目：基于脑影像数据及其时空路径积分特征的婴幼儿认知能力预测

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=28

报告摘要：近年来，相关研究表明，婴幼儿大脑皮层结构在这一时期的动态发育模式，对其日后的认知能力发育水平，起到决定性的作用。因此，认识、理解并构建此类动态发育模式和认知能力水平之间的定量关系，具有重要的研究价值和临床意义。为了准确描述婴幼儿大脑动态发育模式的相关特征，对婴幼儿脑结构核磁共振数据进行纵向分析和建模是关键步骤。此前研究中，Mullen Scales of Early Learning（MSEL）的五项指标常被用以定量描述婴幼儿认知能力发育水平。实际情况中，婴幼儿脑扫描数据样本量较少、特征冗余度较高，且可能存在纵向数据缺失等相关问题，对基于脑区形态学特征的婴幼儿MSEL指标预测提出了巨大挑战。
在本报告中，针对婴幼儿脑核磁共振数据样本量小的现状，我们采用了路径积分特征，以婴儿脑区发育轨迹作为路径，简洁高效地描述及刻画其动态发育模式。面向任务中数据冗余度较高，且存在数据缺失的现状，通过在网络框架中引入图池化层和数据真实性编码，有效地解决了相关问题。这是路径积分特征在医学图像处理领域中的首次成功尝试，我们相信也希望此研究中所提出的算法能促进或激励领域内相关问题的研究与解决。

张炯副研究员（中科院宁波材料技术与工程研究所-慈溪生物医学工程研究所）

张炯（副研究员），中科院宁波材料所-医工所“春蕾人才”副研究员，硕士生导师，入选中科院“BR计划”(B类)，浙江省高层次人才计划（QR），宁波市领军人才，宁波市甬江引才工程创新个人等。2017年博士毕业于荷兰埃因霍芬理工大学（TU/e）医学影像分析方向，之后分别在埃因霍芬理工大学和美国南加州大学（USC）Keck医学院神经影像实验室（LONI）从事博士后研究工作。主要从事医学图像分析，计算机辅助诊断和人工智能方向的研究工作，主要针对眼科和大脑影像，尤其是微血管影像开展前沿技术开发和临床问题研究。近五年来以第一作者和合作作者身份共发表论文60余篇（第一/通讯作者的论文20余篇），有多篇发表在领域内权威刊物如IEEE-TMI、IEEE-TIP、MEDIA等期刊上，曾获荷兰科学技术基金会NWO和IBM“最佳研究奖一等奖”。现兼任多个国际期刊客座编委，担并任多个计算机视觉和医学图像处理国际会议如ICCCV（2022）程序主席，以及AAAI（2021）、ICCV-CVPM、MICCAI-OMIA 和 VSIP（2022）程序委员，承担参与国家自然科学基金项目、中科院引才项目以及浙江省和宁波市多个研究项目。

报告题目：基于眼底影像微血管重建及其形变分析技术研究

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=29

报告摘要：光学相干断层扫描血管造影 (OCTA) 是一种非侵入性三维（3D）成像模式，可提供具有微米级深度分辨率的高对比度微血管细节。它已越来越多地被视为一种有价值的成像工具，用于观察糖尿病视网膜病变 (DR)、年龄相关性黄斑变性 (AMD) 和视网膜动脉/静脉阻塞等眼部相关疾病中的视网膜微血管变化。目前，针对眼底微血管的大量研究工作主要关注于二维（2D）层面的血管分析，主要借助于二维OCTA投影（en face OCTA）、眼底彩照、眼底荧光造影和超广角眼底图像等成像手段进行临床相关的形态学分析，较少考虑对具有丰富深度分辨率的OCTA图像进行全面的三维分析，导致来自原始三维微血管系统中的几何和拓扑特性不可避免地被掩盖。因此，本研究旨在建立一个全面的OCTA 微血管重建和分析框架来辅助临床诊断，主要通过开发基于眼底微血管影像的增强分割，三维表面重建、几何和拓扑分析以及深度学习技术来实现高质量的微血管重建和病变分析。

陈骏教授（南京鼓楼医院）

陈骏（教授），医学博士，主任医师，硕士生导师。南京鼓楼医院病理科副主任。临床上，擅长结合临床资料、影像学、分子病理等进行肝、胆、胰疾病病理诊断，包括肝脏非肿瘤疾病和肝胆胰腺肿瘤病理。曾执笔《CSCO胆道恶性肿瘤诊疗指南》2020-2022版中的病理章节，共同执笔了《肝内胆管癌病理诊断专家共识（2022版）》《原发性肝癌规范化病理诊断指南(2015版) 》等。科研工作，主要从事胆管癌发病机制和计算病理方向的研究。现任CSCO肝癌委员会和胆道肿瘤委员会委员、中华医学会消化病学分会消化病理学组委员，中华医学会病理学分会骨和软组织学组委员，中国抗癌协会肿瘤病理分会肝脏疾病学组委员，江苏省医师协会胰腺病分会常务委员，江苏省抗癌协会肿瘤病理分会常务委员、江苏省医学会肝脏病分会委员，江苏省医学会胰腺病分会委员等。近5年，曾获江苏省“六大人才高峰”，十三五南京市卫生青年人才，江苏省医学科技奖二等奖，江苏省医学新技术引进奖二等奖等课题和奖项。近5年，第一作者或通信作者发表文章18篇，其中SCI收录15篇。

报告题目：肿瘤免疫微环境病理学评估进展

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=30

黄韫栀博士（南京信息工程大学）

黄韫栀（博士），南京信息工程大学讲师。于四川大学先后获得医学信息工程专业学士学位和硕士学位以及生物医学工程专业博士学位，曾作为联合培养博士在美国北卡罗来纳大学教堂山分校交流学习，师从沈定刚教授，主要从事医学图像快速配准的研究。目前研究方向包括多模态影像的智能分析与计算机辅助介入手术。迄今，主持国家自然科学基金1项，参与多项国家自然科学基金项目。迄今获得发表论文10余篇，论文收录于医学图像处理领域的国际顶级期刊，包括Medical Image Analysis等。长期担任医学图像处理领域的主流期刊MIA、 IEEE TMI、PR等期刊的审稿人。

报告题目：快速配准模型在医学影像分析流程中的应用

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=31

报告摘要：刚性和非刚性配准是横跨从群体分析至手术规划等医学影像分析流程的重要环节。传统的配准模型需要手动调参且需要耗费较长时间完成迭代优化的过程；而现有的深度学习框架能利用监督、半监督和无监督的学习方式对已有数据实现模型参数优化，从而加快配准过程，尤其是高维复杂的非线性配准过程的推理。本次报告主要围绕不同的深度配准模型对多个医学应用场景：包括正常人脑的单模态配准、新生儿脑发育预测等对近期的相关工作进行汇报。

赵悦副教授（重庆邮电大学）

赵悦（副教授），重庆邮电大学文峰副教授，吉林大学，宾夕法尼亚大学联合培养博士。主要从事医学图像分割、机器学习和目标识别等相关方面的研究工作，围绕这些研究方向，以第一作者或通信作者在TMI, Nature Communica-tions、Knowledge-Based Systems, CVPR等本领域内重要的国际期刊和会议上发表学术论文20余篇。承担国家自然科学基金、重庆市重点研发项目等国家、省部级项目10余项，获重庆市自然科学二等奖（排名第4）。担任IEEE International Conference on Multimedia and Expo (ICME) 2022领域主席。

报告题目：多模态牙齿图像联合分割算法研究与应用

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=32

报告摘要：数字化口腔成为牙医提高诊断效率和质量的一条重要途径，在口腔种植、正畸、修复、颌面外科手术等领域具有重要临床意义。牙齿分割是数字化口腔的重要技术与前提。牙齿分割技术可提供不同阶段的牙齿移动距离、姿态角度、受力情况等，这些参数信息可以辅助评估阶段性治疗效果和调整治疗方案，减少医生对主观经验的依赖，提升诊疗效率、降低误诊率。为解决在真实医疗场景下，由于年龄、性别、生活习惯等影响，牙齿图像分割所面临的问题，针对不同患者和治疗需求，本报告内容包括：1）为解决CBCT图像牙齿边界模糊与牙齿类别精准识别的问题，提出一种基于显式解剖关系建模的语义图注意力CBCT图像牙齿分割方法；2）为解决无法从口腔扫描图像不同属性特征中学习到识别度高的空间特征的问题，提出一种基于双流的图卷积的三维牙齿模型分割方法；3）为解决曲面断层图像多尺度特征存在鸿沟引起牙齿分割难的问题，提出一种基于注意力机制的上下文信息自聚合曲面断层图像牙齿分割方法。

谢琦助理教授（西安交通大学）

谢琦（助理教授），西安交通大学数学与统计学院助理教授。2020年12月获西安交通大学数学专业理学博士学位。曾于2014年8月至10月赴香港理工大学电子计算系访问交流，于2017年9月至2018月9月赴普林斯顿大学金融与运筹系访问交流。目前主要从事机器学习与计算机视觉的基础问题研究。已在国内外重要杂志和国际顶级会议发表学术论文共27篇，以第一作者发表 TPAMI 2篇、TMI 1篇、CVPR 2篇。2015年至今，谷歌学术被引2613次，H因子为17。曾获2021 年ACM 中国优博提名奖、“VALSE 年度最佳学生论文提名奖”、“徐宗本应用数学论文奖”等奖项。

报告题目：一类新型模型驱动的深度CT图像去伪影研究

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=33

报告摘要：CT技术通过对不同角度采集的多个X 射线投影图像信息进行重组和运算来生成被扫描物体的横截面图像，在临床实践和医疗程序中得到了广泛的应用。然而，由于在实际应用中，病人体内金属假体的存在越来越普遍、人们对X射线的剂量降低需求越来越高等原因，CT成像的结果往往伴随了复杂的伪影与噪声。因此，CT图像去伪影研究越发引起广泛的关注。本报告首先介绍基于卷积稀疏编码的CT伪影建模方法，以及基于此模型驱动的可解释深度CT去伪影网络的一般框架。在此框架的基础上，本报告介绍伪影建模的全新模型——基于参数化卷积方法的角度共享卷积稀疏编码模型，该模型首次利用了CT伪影的旋转对称性质，在保持模型的表示能力同时，极大地减小了模型的参数。最后，本报告介绍基于旋转等变卷积方法的近端网络改进方案。近端网络是模型驱动的深度CT去伪影网络的核心算子，而引入旋转等变性的设计十分符合CT图像的物理先验，能够在减小参数量的前提下进一步提升深度CT去伪影网络的性能。

葛荣骏副教授（南京航空航天大学）

葛荣骏（副教授），工学博士，院聘副教授，硕士生导师。2020年博士毕业于东南大大学计算机科学与工程学院。2021年1月进入南京航空航天大学计算机科学与技术学院工作。共计已发表学术20余篇，包括IEEE TMI、MedIA、MICCAI、IPMI等期刊及会议，且担任MedIA、TII、MICCAI等国际期刊、会议审稿人。现主持国家自然科学青年基金、江苏省自然科学基金（青年）项目、南京航空航天大学青年科技创新基金（理工民口类）、“计算机网络和信息集成教育部重点实验室”开放课题等多项课题。研究方向包括医学影像智能重建与分析、医学信息分析等。

报告题目：基于深度学习的医学影像智能重建

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=34

报告摘要：医学影像质量好坏，在临床诊断中具有重要作用。而在成像过程中，由高辐射剂量所带来的伤害同样不容忽视。本报告将从三个方面，讨论从低剂量的X线医学影像中，快速重建出诊断信息丰富、内容清晰的高质量影像。包括：1）通过提出ResVoxGAN，有效地从厚层低剂量CT体数据中，重建出薄层常规剂量CT体数据；2）通过提出X-CTRSNet，高效地从正侧位平片中，重建出具有丰富三维空间信息的CT体数据，并交互地进一步实现三维分割，赋予平片更多的临床价值；3）通过提出DDPNet，在弦域和图像域之间进行交互并行优化，并进一步融合双域信息，实现低剂量CT的高质量重建，提高可读性。

张俭嘉副教授（中山大学）

张俭嘉（副教授），中山大学生物医学工程学院副教授，硕士生导师。研究方向是计算机视觉和脑疾病计算机辅助诊断。分别于2009年和2012年于东南大学生物医学工程专业取得学士和硕士学位，2016年在澳大利亚伍伦贡大学取得计算机科学博士学位。2016-2018年在澳大利亚联邦科学与工业研究院从事博士后研究，2018-2020年在悉尼科技大学任讲师，2020年作为中山大学"百人计划"人才加入中山大学生物医学工程学院任副教授。张俭嘉在领域内国际知名期刊和会议，包括IEEE TPAMI、 IEEE TMI、 IJCV、 IEEE-TNNLS、 CVPR、 ICCV 等，发表论文20余篇。此外，申请人在澳大利亚联邦科学与工业研究院从事博士后研究和在悉尼科技大学任讲师期间主持或参与多项数据科学研究项目。因在数据科学产业化方面的突出贡献，曾作为核心团队成员获得2018年澳大利亚国家级科技奖项“尤里卡”数据科学杰出贡献奖和澳大利亚水协会颁发的研究创新奖。张俭嘉担任20余种国际会议或期刊的审稿人，并作为Local Chair参与组织ACCV 2022.

报告题目：基于正定矩阵的视觉表达方法在脑网络构建和分析中的应用

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=35

报告摘要：视觉表达是计算机视觉领域的核心问题之一。基于正定矩阵的视觉表达在图像识别领域有着广泛的应用，包括图像分类、动作识别和脑网络构建和分析等。本报告将围绕传统正定矩阵视觉表达方法的局限，结合其在计算机视觉和脑网络构建和分析中的应用，介绍相关研究工作。

刘芳德 CEO（杭州湖西云百生科技有限公司）

刘芳德 (CEO) ，杭州湖西云百生CEO。2017年创立云百生，致力于开发适应于中国的手术机器人。在过去三年中，开发出4台手术机器人。临床应用案例近千台。在疫情期间开发全球首创的鼻咽试子采样机器人。作为中国科技抗疫的代表，为国务院特邀代表中国参展服贸会与进博会，为人民日报，环球时报以及海外媒体报道。其开发的骨科手术机器人，在北医三院完成了世界首例的计算机辅助助的髋关节翻修术，获中国骨科最高奖，该系统帮助基层开展复杂手术的事迹的应用为光明日报报道。创业前，刘芳德博士是英国帝国理工学院手术机器人研究中心与医学大数据研究中心的核心科研人员。先后负责了欧洲多个手术机器人与医疗大数据在旗舰项目。包括欧洲最大的手术机器人项目EDEN2020, 以及欧洲多国退行性神经系统药物上市后监管项目Optimise-MS。刘芳德博士是英国国家杰出人才，英国皇家医学会高级会员。在学术上，拥有2018年MICCAI协会的青年科学家奖，2017年，ACM多媒体协会年度开源软件奖。2016年ＲOBIO协会最佳机器人论文奖。刘芳德博士是全球最早将深度学习应用于医疗影像分析的科学家，全球首次实现了超声引导的全自主神经介入机器人系统。其参与所开发的基于深度学习提高核磁成像速度的论文被DAGAN引用次数超过500次。成为高端核磁的工业研究的重点。

报告题目：机器人与数字化让外科手术上山下乡

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=36

报告摘要：在本报告中，刘芳德博士将介绍在过去五年中，云百生开发的全数字化外科手术平台的研发情况与临床应用进展。介绍数字化技术如何帮助基层医生开展复杂手术并降低其学习曲线。刘博士将介绍其技术平台与团队在骨科，耳鼻喉以及结构心脏病介入中开展临床工作以及云百生平台针对医生需要所开发的独有技术，包括影像学，计量学，光学，动力与控制以及数据科学多个方面。

何克磊副研究员（南京大学）

何克磊 (副研究员) 工学博士，毕业于南京大学计算机科学与技术系。南京大学医学院副研究员，南京大学健康医疗大数据国家研究院院长助理。2016年至2018年受CSC资助在美国北卡罗莱纳大学教堂山分校访问。主要从事医学图像处理、医学大数据、人工智能研究。已发表包括TMI, MIA, PR, ECCV, Radiology, TCYB, RBME在内的医学图像和人工智能领域旗舰期刊和会议多篇。主持国家自然科学基金青年基金、江苏省自然科学基金青年基金，参与国家自然科学基金重点、面上，国家和省级重点研发计划等多项。江苏省五四青年奖章团队成员。担任医学图像领域旗舰期刊和会议TMI、MIA、MICCAI等的审稿人，并获得TMI杰出审稿人奖。

报告题目：Transformer在医学图像中的应用

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=1

报告摘要：Transformer在主导NLP领域后，近年也开始在CV领域受到广泛关注。在医学图像处理领域，Transformer已经应用于全栈临床医疗应用中，包括图像合成、重建、配准、分割、检测以及诊断。为增进Transformer在医学图像领域中的应用，本次报告从Transformer的基本原理和结构出发，我们进而详细介绍其在医学图像中的诸多应用以及它们的优缺点。同时我们评价Transformer在不同学习范式下、模型加速以及和其他技术结合中的重要问题。期望以此能够使大家对于Transformer模型更感兴趣。

潘永生博士后（上海科技大学）

潘永生(博士后)，分别于2015年和2021年从西北工业大学计算机学院获得计算机科学与技术专业学士和博士学位，期间曾于2017-2020年在美国北卡来罗纳大学教堂山分校放射系影像分析中心进行联合培养，目前在上海科技大学生物医学工程学院沈定刚教授团队从事博士后研究，研究方向为神经影像分析与智能计算，在IEEE-TMI、IEEE-TIP、MICCAI等本领域顶级期刊/会议发表论文12篇，在ISBI 2019 CNM-C等5项国际学科竞赛中获得冠亚季军，先后入选上海脑科学与类脑研究中心“求索杰出青年计划（博士后）”项目、博管会“博士后创新人才支持计划”项目和上海市“超级博士后项目”。

报告题目：跨模态图像合成技术与应用

报告视频：https://www.bilibili.com/video/BV1nd4y127HE?p=2

报告摘要：跨模态图像合成技术在医学图像处理的各个任务都有所应用，包括成像、重建、配准、分割，预测，诊断等，同时也涉及到各种各样的模态，包括MRI、PET、CT 、X-光平片等。根据具体问题的特点，图像合成模型通常呈现出特定的形式。在此次报告中，我们从图像合成的原理出发，结合一些具体的跨模态合成的应用场景，探讨图像合成技术的技术发展与挑战。