Dr. Yong Fan
Associate Professor
Yong.Fan@pennmedicine.upenn.edu
Department of Radiology, University of Pennsylvania
Philadelphia, PA 19104
https://www.med.upenn.edu/machine-learning-biomed-data/

个人介绍：Dr. Yong Fan has a broad background in medical image analysis and pattern recognition, with specific training in applied mathematics, statistics, and machine learning. His research interests are in the field of imaging analytics, machine learning, pattern recognition, and more generally in computational imaging. Much of his work has been focusing on methodology development and applications of machine learning techniques that quantify morphology and function from medical images, integrate multimodal information to aid diagnosis and prediction of clinical outcomes, and guide personalized treatments. The methodological focus has been on the general field of artificial intelligence, with emphasis on machine learning methods applied to complex and large imaging and clinical data. The image analytic methods being and to be developed include functional connectomics, radiomics, image registration and segmentation, and personalized neuromodulatory therapies. On the clinical side, his primary focus is on applications in clinical neuroscience, in cancer, and in chronic kidney disease, aiming to develop precision diagnostic tools using machine learning and pattern recognition techniques. The clinical research studies include brain development, brain diseases such as Alzheimer’s, schizophrenia, depression, and addiction, pediatric kidney diseases, and predictive modeling of treatment outcomes of cancer patients such as rectal and lung cancers.

报告题目：Self-supervised learning for personalized TMS treatment

报告摘要：Transcranial magnetic stimulation (TMS) is a noninvasive brain stimulation method used to treat major depression and other neuropsychiatric disorders. However, TMS treatment outcomes vary greatly across patients. Mounting evidence suggests that the efficacy of TMS might be improved by personalized optimal targeting with integrated E-field modeling and fMRI guidance. However, applications of such tools in clinical practice and scientific research are limited by their high computational cost and requirement of highly sampled fMRI scans. To facilitate fast and precise TMS treatment, we have developed self-supervised approaches for improving individualized modeling of E-fields and identifying individualized brain network mapping based TMS targets. Specially, we have developed a fast and highly accurate TMS E-field modeling method to obtain precise electric fields in real-time, and a fast and robust functional network computation method to facilitate identification of individualized neuromodulation targets. Together, these tools enable individualized, precise TMS stimulation, and improve clinical outcomes.

---

段旭君 电子科技大学

个人介绍：段旭君，电子科技大学，教授，博士生导师。长期针对孤独症影像学表征和干预治疗的科学问题和关键技术，在孤独症脑动态网络成像、多模态融合成像、脑可塑性成像方面开展了一系列研究，揭示孤独症“社会脑”环路异常的影像学机制；提出“社会脑环路介导的孤独症精准神经调控”技术，建立孤独症“评估-干预-成像”平台，实现孤独症智能化干预、评估与预测，并开展临床应用。以第一/通讯作者发表SCI论文35篇，包括PNAS,Biological Psychiatry，Schizophrenia Bulletin，NeuroImage等；主持4项国家自然科学基金项目；2023年国际脑图谱年会（OHBM）Keynote Speaker。

报告题目：孤独症脑影像异质性

报告摘要：孤独症谱系障碍（ASD）是由多种不同原因引起的神经发育障碍，其核心症状包括社交沟通障碍、行为刻板及兴趣狭窄等。由于孤独症高度的临床表型及影像学特征异质性，影像学研究结果仍存在较大的差异，并没有形成较为一致的结论。究其原因是现有的脑影像学研究多采用群组水平比较，忽略了孤独症个体存在的高度异质性。报告将围绕孤独症脑影像异质性的问题，介绍定量描述孤独症脑结构/功能异质性的方法，刻画孤独症脑影像亚型，解析组间差异与个体差异的影像学表征，并为孤独症个体化精准干预提供思路。

---

张祎 浙江大学

个人介绍：张祎，本科毕业于浙江大学电气工程学院，现为浙江大学生物医学工程与仪器科学学院研究员、浙江大学附属儿童医院兼聘教授。张博士在磁共振CEST成像的扫描序列、图像重建、数据分析的上中下游全链条做出了一系列原创性贡献：开发了FS-CEST、SPACE-CEST、pTx-CEST等新型扫描序列；发明了SLAM、vSENSE、KIPI等新型重建算法；提出了NEMR等新型数据拟合方法，并拓展了CEST成像在癫痫和儿童肿瘤方面的临床应用。在磁共振成像领域顶级期刊《Magnetic Resonance in Medicine》等发表了SCI论文70余篇，有国际专利授权7项和中国专利授权13项，多项专利技术获得产业转化，担任多个SCI期刊的编委或者副主编，获得国际医学磁共振学会青年会士（Junior Fellow）荣誉称号，现为中国生物医学工程学会医学图像信息与控制分会常务委员、中国医学装备协会磁共振成像装备与技术专业委员会委员。

报告题目：快速磁共振CEST成像

报告摘要：磁共振化学交换饱和转移（CEST）成像技术是一个新兴的分子磁共振成像分支，其可以探测到蛋白质和多种代谢产物在人体内的空间分布，且无创无辐射，具有非常大的临床和科研应用潜力。然而，磁共振CEST成像需要在同一空间位置，在改变饱和频率前提下采集多帧图像，这导致其扫描时间较长，影响了新技术的临床推广应用。本报告将介绍新型并行成像技术对于加速CEST扫描的效果，并提出了一种新型结合图像域和k空间的并行成像方法，然后本报告将介绍并行成像和深度学习技术结合后可以实现进一步的加速。

---

魏红江 上海交通大学

个人介绍：魏红江，上海交大长聘教轨副教授，瑞金医院广慈特聘教授，国家级青年人才。研究方向：磁共振快速成像技术、超分辨脑成像技术及机器学习磁共振重建技术等，旨在赋能磁共振实现快速、定量、多参数一体化成像及脑疾病的临床早期诊断。近5年在Brain, Neuroimage，IEEE TMI，MRM等学术期刊发表SCI论文80余篇，授权专利5项，google引用1700+。

报告题目：超快速MRI多参数一体化成像技术

报告摘要：本报告将介绍基于全新的序列设计思想和无监督的深度学习重建算法，已实现了快速、多模态、高分辨、全脑定量影像一体化数据采集与精准重建，有望为脑科学研究及基于定量MRI的临床疾病早期诊断提供全新影像新技术。

---

邵伟 南京航空航天大学

个人介绍：南京航空航天大学计算机科学与技术学院副教授，2018年博士毕业于南京航空航天大学师从张道强教授，2019年至2021年在美国印第安纳大学医学院从事博士后研究，师从Kun Huang教授。主要研究方向为机器学习以及医学图像处理，目前以第一作者，通讯作者发表论文30余篇，相关工作发表在Nature Communication, NPJ Precision Oncology，IEEE TMI, MedIA, Bioinformatics, IEEE TCBB等国际一流期刊。荣获医学图像处理国际顶级会议MICCAI 2019青年科学家奖(全球5人，中国大陆唯一)，指导学生再获MICCAI 2022青年科学家奖，入选2020年度南京航空航天大学长空之星。

报告题目：基于影像遗传学的癌症诊断及预后预测

报告摘要：Cancer is one of the leading causes of death worldwide. Recent studies demonstrate that the integrative analysis of histopathological images and genomic data has received increasing attention for studying the complex mechanisms of driving cancers. In this presentation, we have presented our recent studies for the cancer survival analysis basing on the combination of histopathological image with genomic data, and the results indicate that our methods can not only achieve satisfied prognosis results but also identify important biomarkers for clinical outcome prediction of cancer patients.

---

牟玮 北京航空航天大学

个人介绍：牟玮，北京航空航天大学，医学科学与工程学院，教授，博士生导师。获得国家自然科学基金优青（海外）。中国康复技术转化及发展促进会精准医疗与肿瘤康复专业委员会委员，中国生物医学工程学会医学人工智能分会委员，Military Medical Research青年编委，Radiology Science编委。曾获美国国家癌症研究所（NIH NCI）拉里·克拉克定量成像网络青年学者奖、世界分子影像大会青年学者奖及世界分子影像大会分子影像女科学家奖等奖项。多年来一直从事医学影像与人工智能交叉学科研究，围绕肺癌、宫颈癌和胶质瘤等癌症的诊疗决策，在PET/CT，MRI等多模态影像分析方面开展了深入的医工交叉研究。以第一作者，在综合类Nature Communications、临床类Cancer Research、信息类IEEE Trans等期刊发表了系列高水平论文20篇。

报告题目：基于多模态影像人工智能分析的肿瘤诊疗辅助决策

报告摘要：目前肿瘤临床诊疗决策的金标准是分子病理检测，但是多依赖于有创的穿刺活检，部分晚期患者难以采集到足够的肿瘤组织进行分子检测，且由于肿瘤具有高度时空异质性，穿刺采样点与标本有限，难以反映肿瘤时空全局观，因此迫切需要一种无创的诊疗决策手段。考虑到微观分子的改变会导致宏观肿瘤组织代谢和结构改变，基于多模态PET/CT宏观影像的人工智能分析提供了机遇。本次报告主要围绕肿瘤的无创精准诊疗这一临床问题，分享我们在多模态影像人工智能融合分析方法及其临床应用上的探索与进展。

---

李蓉 电子科技大学

个人介绍：李蓉，主要从事神经脑影像计算和智能化诊疗方法研究，在癫痫多尺度时空脑网络成像、癫痫智能化精准诊断和手术预测等方面取得了系列原创成果。在国际权威期刊录用发表学术论文45篇，谷歌学术引用972次。主持科技创新2030-“脑科学与类脑研究”重大项目子课题、国自然基金面上及青年基金项目，主研国家重点项目2项。

报告题目：癫痫脑网络成像与智能诊疗

报告摘要：本次报告将针对癫痫脑网络表征和智能辅助诊疗的科学问题和关键技术，提出“多尺度时空脑网络成像”方法，解决了脑连接的空间精准定位和动态时变刻画的复杂性度量问题；发展“皮质下-皮层传播环路成像”理论，系统阐明了癫痫活动在皮质下-皮质觉醒环路的异常网络传播泛化机制；建立多模态融合的“监测-定灶-评估”癫痫脑成像智能分析平台，已在中南大学湘雅医学院、郑州大学第一附属医院等单位临床试用。

---

张孝勇 复旦大学

个人简介：张孝勇博士，复旦大学类脑智能科学及技术研究院青年研究员，中国图象图形学会脑图谱专委会委员，中华放射学会国际交流工作组委员，医学图像计算青年研讨会委员。研究方向主要聚焦在大脑的磁共振成像、人工智能分析及分子影像研究。在磁共振代谢成像技术领域做出了若干原创性贡献，研究成果曾被国际医学磁共振学会（ISMRM）以研究亮点报道，并曾获得年度优胜奖。张博士作为课题负责人主持多项国家自然科学基金项目及上海市项目，担任多个SCI期刊的编委，发表学术论文50余篇，其中以通讯作者/第一作者发表学术论文30余篇，代表性成果发表在Advanced Science，IEEE Transactions on Medical Imaging，Cancer Research等权威学术期刊。

报告题目：构建用于神经发育障碍诊断的图对比学习网络

报告摘要：神经发育障碍是一类严重影响儿童生活质量，甚至可导致终身残疾的精神心理疾病。对这类疾病的准确诊断具有重要的意义，目前的诊断主要依靠认知行为量表，然而完成这类量表需要专业的医学训练及较多的时间成本。为了缓解这一难题，利用开源的功能磁共振成像（fMRI）数据，我们提出了一种基于对比学习的新型对抗性自监督图神经网络（A-GCL）。该网络提取BOLD信号的关键信息构成图神经网络，进而利用对比学习来获得用于疾病诊断的特征。在三个发育障碍类数据集（ABIDE I、ABIDE II和ADHD）的实验结果表明，A-GCL相较于其他图神经网络模型，显示出显著的鲁棒性和泛化能力。A-GCL有潜力拓展到临床fMRI数据，实现神经发育障碍类疾病的辅助诊断。

---

肖立 北京邮电大学

个人介绍：肖立，清华大学本科，美国加州大学博士，中科院百人，北京邮电大学教授。长期从事多模态跨尺度生物医学问题的建模计算研究工作，系统地解决了数据稀疏标注、域迁移、强干扰等非理想数据条件下的医学图像识别和多模态融合问题，提出了增强医学特征泛化性和鲁棒性的系列方法，取得了疾病诊断、病灶识别、影像报告生成、关键点检测等国际标准评测集上的领先性能。

报告题目：跨尺度多模态生物医学计算

报告摘要：本次报告主要介绍报告人在微观、介观、宏观影像智能诊断领域的相关算法研究及落地应用系统，并进一步介绍和讨论报告人即将开展的协同跨尺度多模态显微影像的新型医学融合诊断研究工作。

---

闫增强 华中科技大学

个人介绍：闫增强，副教授，2020年于香港科技大学计算机科学与工程系获博士学位，2020至2021年于香港科技大学从事博士后研究工作。2022年起任华中科技大学电子信息与通信学院副教授，“武汉英才”计划优秀青年。研究领域包括人工智能、医学图像分析、计算机视觉，主要研究方向包括医学图像分割、联邦学习、多模态融合等。

报告题目：面向数据高效医学图像分制的Transformer方法设计

报告摘要：本报告中，我们将从模型去冗余的角度，从以下几个方面讨论如何构建面向医学图像分割的高效Transformer方法：1)模型剪枝，去除Transformer中的冗余结构；2）边缘感知Transformer，提升医学图像形状分割效果；3）自适应注意力计算，减少不必要全局注意力计算；4）Transformer的CNN化。

---

杨开富 电子科技大学

个人介绍：杨开富，电子科技大学生命科学与技术学院、神经信息教育部重点实验室副研究员。2016年获得电子科技大学生物医学工程专业博士学位。2019-2020在苏黎世联邦理工学院（ETH Zurich）计算机视觉实验室做访问学者。主要研究方向为视觉认知计算、医学影像分析。曾获CSIG优秀博士论文提名奖(2018)、吴文俊人工智能自然科学奖三等奖（2020）、电子科技大学“学术新人奖”（2022）。

报告题目：视觉机制启发的医学图像分析方法

报告摘要：本报告主要针对典型医学图像（眼底图像、超声图像等），探索视觉感知机制和先验知识在图像增强、分割等基本问题中的作用，建立视觉机制启发的医学图像处理新方法。报告的具体内容包括：（1）基于视觉适应机制的医学图像增强；（2）基于先验知识的眼底图像血管分割；（3）基于视觉通路机制的甲状腺超声图像诊断。

---

刘剑楠 上海交通大学医学院附属第九人民医院

个人介绍：刘剑楠，博士，申请人围绕数字化颌骨功能重建方向，主持包括国家重点研发计划青年科学家项目(1项)、国家重点研发计划课题(1项)、国家自然科学基金(3项)在内的各级课题9项，直接经费745万元。以第一/通讯(含共同)作者发表SCI 22篇，包括头颈外科、信息工程技术、口腔种植及口腔肿瘤领域顶级杂志。

报告题目：口腔肿瘤智能诊疗

报告摘要：本报告围绕术前规划、术中重建及术后康复的全流程，建立数字化颌骨重建技术理论体系:1率先建立中国人群多维度颅颌面特征库，挖掘影像特征的空间匹配规律，实现重建方案的自动规划;2首创“一体化”牙种植牵引器，研发数字化重建器械，构建数字化牙种植牵引技术体系，实现精准功能重建;3创新研发智能张口康复系统，建立个性化、交互式的远程康复模式，实现术后功能康复。

---

顾运 上海交通大学

个人介绍：顾运，上海交通大学长聘教规助理教授。主要围绕经自然腔道的手术介入规划与导航开展研究。研究工作得到科技部智能机器人重点研发计划，国家自然科学基金，上海市青年英才扬帆计划，上海市脑科学求索杰出青年计划等项目支持.研究成果发表于IEEE TMI/MedIA/MICCAI/ICRA/IROS等期刊/会议，并获得IPCAI 2022最佳临床应用奖（Best Bench-to-Bedside Award）。

报告题目：Visual Learning for Pulmonary Anatom-ical Parsing and Surgery Planning

报告摘要：Endobronchial intervention is increasingly used as a minimally invasive means for the treatment of pulmonary diseases. This process requires accurate pre-operative diagnosis, planning, and intra-operative guidance for precise treatment. In this talk, we will present our recent works on pulmonary anatomical analysis and surgical navigation driven by clinical-friendly priors.

---

陈梁骏 西安交通大学

个人介绍：陈梁骏，西安交通大学学士博士。2019年4月至2023年3月间，赴美国北卡罗莱纳大学教堂山分校进行博士后研究。西安交通大学青年拔尖人才项目入选者，现任西安交通大学人工智能学院人机混合增强智能全国重点实验室副教授。致力于面向婴儿脑发育研究的智能婴儿脑影像处理和分析方法研究，以第一作者或共同一作身份发表Nature Communications，Medical Image Analysis，Cell Reports，Pattern Recognition，NeuroImage等顶级期刊论文9篇、医学影像分析顶级会议MICCAI论文2篇，及三作Nature Protocols一篇，授权专利4项。突出成果包括：婴儿脑皮层下组织发育及其与早期认知功能形成关系研究，发表于旗舰期刊Nature Communications；基于对抗生成网络的智能组织感知婴儿脑影像灰度校正方法，发表于人工智能顶级期刊MedIA;一站式多站点可用的智能婴儿脑影像提取和分析工具箱，发表于旗舰期刊Nature Protocols；婴儿小脑发育模式相关成果，发表于生物学旗舰期刊Cell Reports；基于BCP数据集的四维婴儿脑图谱和婴儿皮层下组织分割算法，发表于神经影像顶级期刊NeuroImage。

题目：婴儿脑影像智能处理与分析原创算法开发及早期脑发育模式研究

摘要：随着深度学习算法在医学影像处理和分析中的成功应用，智能婴儿脑影像处理和分析算法也显示出巨大的潜力。然而，智能婴儿脑影像处理和分析算法研究面临以下关键问题：一是由于婴儿大脑MR影像具有组织对比度较低、组织内强度变化大、区域异质性动态变化等特点，现有的面向成人大脑开发的处理分析工具无法很好地应用于婴儿大脑MR影像分析；二是现有针对婴儿脑影像的智能算法缺乏整合，且仍然存在如低对比度婴儿脑影像灰度校正等瓶颈问题有待突破；三是早期人脑皮层下组织和小脑影像还存在均为灰质且相互贴合、结构和褶皱微小且复杂等问题，极大的限制了对这些控制运动、语言、情绪和记忆的重要结构的精确分割和配准。本次报告主要围绕上述关键问题，分享我们在婴儿脑影像智能处理算法开发及早期脑发育模式相关研究的探索与进展。

---

涂丽云 北京邮电大学

个人介绍：涂丽云，博士，现就职于北京邮电大学人工智能学院，博士生导师。本科就读于重庆大学，博士期间在美国北卡大学教堂山分校联合培养2年。曾先后在美国国立儿童医院、美国杜克大学从事博士后研究工作。主要研究方向为医学图像分析、机器学习、人工智能。曾入选IEEE SPL封面文章，MICCAI-CLIP最佳文章，多次在MICCAI等国际知名会议做报告，作为医学成像目标形状统计建模领域专家合著领域首部离散骨架模型的著作。

报告题目：脑影像的个体差异表征与可解释人工智能

报告摘要：本报告围绕脑影像形态学特征难以准确描述、神经网络推理过程不可解释、跨域数据不可泛化这三个关键问题；结合多中心的脑结构磁共振成像（MRI）和计算机断层成像（CT）对大脑解剖结构和颅骨进行统计形状建模和个体差异定量分析，探讨如何计算脑影像中与发育和疾病相关的个体差异表征。

---

夏泽洋 中科院深圳先进院

个人介绍：夏泽洋博士，中国科学院特聘研究员，中国科学院深圳先进技术研究院软体机器人研究中心主任，研究员、博士生导师。夏博士于2002年获得上海交通大学学士学位，2008年获得清华大学博士学位，之后在新加坡及美国工作，2012年回国加入中国科学院深圳先进技术研究院。夏博士研究方向为机器人与生物力学，主持了国家自然科学基金联合基金重点项目、国家重点研发计划国际合作重点专项、广东省自然科学杰出青年基金、广东省重大科技专项等重要项目20余项，已出版《现代机器人系统仿真》、《口腔医学图像处理》学术专著2部，发表论文100余篇，申请专利100余项，多项技术已成功实现转化。曾获2017年“吴文俊人工智能自然科学奖”、2018年“中国电子学会优秀科技工作者”、2019年“熊有伦智湖优秀青年学者奖”和2022年中科院深圳先进院首届“教育教学开拓奖”。夏博士是英国工程技术学会会士，IEEE/ASME Trans. Mechatronics编委，2019年IEEE RCAR（实时计算与机器人学）国际会议总主席。

题目：Dental Image Processing for Precision Orthodontic Treatment

摘要：Oral health has continued to be recognized as a vital component of health. Malocclusion, a common condition affecting the alignment of the oral cavity, affects not only the aesthetics of the face but also can be a cause of other chronic disease. Automatic tooth segmentation is a fundamental process for orthodontic diagnosis and treatment planning, however the manual methods in clinics are very time-consuming and labor intensive. With the breakthrough point of “Precision Orthodontic Diagnosis and Treatment” based on robotics and computational biomechanics, we have ultimately promoted the transformation of current clinical orthodontic diagnosis and treatment as precision orthodontics.

In this talk, we will systematically introduce the computer-aided algorithms for tooth segmentation and reconstruction from various types of CBCTs obtained in different application scenarios for clinical orthodontic treatment. Specifically, to analyze the existing traditional methods of CBCT segmentation and use the level set method as an example to illustrate the basic framework of tooth segmentation. Then, we will elaborate on the segmentation methods of teeth in conventional scanning CT images, metal artifact CT images, and closed-mouth scanning CT images. Additionally, the deep learning-based methods for automatic tooth segmentation from CBCT images will be introduced. Finally, we will discuss the method of reconstructing corresponding models using the segmented oral tissue contours, as well as a tooth model reconstruction method based on the fusion of oral CT images and laser scanning images.

---

谢伟迪 上海浦江人工智能实验室

个人简介：谢伟迪，上海人工智能实验室青年科学家，同时是上海交通大学长聘轨副教授，牛津大学视觉 几何组访问研究员（Visiting Researcher at Oxford VGG）。博士毕业于牛津大学视觉几何组（Visual Geometry Group，VGG），师从Professor Andrew Zisserman，Professor Alison Noble，是首批 Google-DeepMind 全额奖学金获得者，China Oxford Scholarship Fund（Magdalen Award）奖学金获得者，牛津大学工程系杰出奖（Oxford Excellence Award）获得者，2022 年上海市领军 人才（海外）获得者。谢伟迪博士主要研究领域为计算机视觉，AI4medical，共发表论文超 45 篇，Google Scholar 累计引用超 6900 余次，多次获得国际顶级会议研讨会的最佳论文奖和最佳海 报奖，最佳期刊论文奖以及最高被引用作者（Taylor & Francis Biannual Best Article）；担任计算机视觉和人工智能领域的旗舰会议 CVPR 和 NeurIPS Area Chair，阿里巴巴创新研究计划（Alibaba Innovative Research, AIR）主持人，科技部科技创新 2030 —“新一代人工智能”重大项目青年项目负责人。

报告题目：医学知识增强的多模态基础模型研究

报告摘要：近年来，基于图像-文本联合学习的foundation model展现出了前所未有的性能，在各个领域中越来越受到关注。其中，基于自监督学习的模型编码了大量人类总结的知识与常识，使得模型具备了超强的表征能力和泛化能力。在此背景下，知识驱动的多模态表征学习逐渐成为了研究的热点，如何进一步向广义基础模型进行医疗专业知识的注入仍然存在巨大挑战。本次报告中，我将介绍我们近期关于医学知识增强的多模态基础模型的相关研究。从数据、模型和下游任务三个角度展开。其中包括：大规模医疗图文数据集的构建（PMC-OA）；医疗语言基础模型（PMC-LLaMA）及多模态基础模型（PMC-CLIP，LarM3）的训练；大规模医疗视觉问答数据集的构建（PMC-VQA）；以及知识增强的疾病诊断与临床应用（MedKLIP, KAD）。

---

田启源 清华大学

个人介绍：田启源，斯坦福大学电子工程系博士，现任清华大学医学院生物医学工程系生物医学影像研究中心特别研究员、助理教授。在斯坦福大学Lucas影像中心和哈佛医学院-麻省总医院Martinos生物医学影像中心开展博士和博士后研究，并晋升为哈佛大学放射系讲师。主要从事开发新型磁共振和神经影像技术，研究脑结构和功能及脑疾病病理和诊疗方法。是国际医学磁共振学会的青年会士，曾获得美国国立卫生研究院独立之路奖、斯坦福电子工程系奖学金、高通公司创新奖学金、国际华人医学磁共振学会青年学者奖等学术奖励。在Cell、Nature Communications、Medical Image Analysis、NeuroImage、Cerebral Cortex、Magnetic Resonance in Medicine等国际期刊发表SCI期刊论文50余篇，引用次数1700余次，发表会议论文110余篇，获美国和国际专利4项。受邀做主题报告20余次，为国际知名期刊审稿30余篇。

报告题目：人脑微观结构和结构性连接的先进磁共振成像

报告摘要：无创在体测量人脑复杂微观结构和结构性连接对于认识健康大脑的功能和重大脑疾病的病理至关重要。弥散磁共振成像（MRI）利用水分子的弥散模式推断脑组织的微观结构，基于弥散MRI的神经纤维追踪技术是目前在体重建白质纤维束轨迹的唯一方法。本报告将介绍如何利用最先进的硬件系统、建模方法和基于人工智能的图像计算技术，改进弥散磁共振成像方法，以实现人脑微观结构和结构性连接的快速、精准测量。

---

赵涓涓 太原理工大学

个人介绍：赵涓涓，教授，博士生导师，太原理工大学软件学院院长，太原理工大学信息与电气学部副主任。曾赴日本横浜国立大学、美国德州大学达拉斯分校、加拿大西安大略大学访问学者。长期从事医学图像分析、计算机视觉、机器学习、人工智能等方面的教学和科研工作。作为项目负责人主持国家自然科学基金4项。近年来在国内外重要学术刊物上发表论文80余篇，其中SCI收录50篇，ESI全球Top 前1%论文1篇，授权发明专利19项。

报告题目：基于影像基因组学的非小细胞肺癌免疫相关预后模型的构建研究

报告摘要：非小细胞肺癌（non-small cell lung cancer，NSCLC）是一种具有高度恶性生物学行为的常见肺癌亚型，严重威胁着人类健康。目前，缺乏能够准确识别高低风险患者的预后标志物。随着高通量多组学数据井喷式地增长以及人工智能技术地飞速发展，为这一领域的研究带来了新机遇。本报告主要介绍基于转录组学数据全面分析NSCLC的免疫学特征，探讨不同免疫活性亚型患者的肿瘤微环境和免疫细胞浸润以及生存期差异；建立免疫特征相关的多基因预后模型并计算预后风险评分（prognostic risk score，PRS）以评估其预测患者风险分层性能，比较不同风险组患者对不同治疗策略的敏感性；为了实现无创性的患者预后风险分层，在PRS的引导下，利用医学影像图像构建基于影像基因组学的NSCLC免疫相关预后模型，进一步验证其预测免疫治疗反应的性能，并挖掘预后相关影像组学特征与转录组数据的关系。

---

郭敏 浙江大学

个人介绍：郭敏，浙江大学光电科学与工程学院“百人计划”研究员，博士生导师，国家级高层次青年人才。于2016年获得浙江大学工科博士学位，随后在美国国立卫生研究院任职博士后（2016年）和生物医学研究员（2019年），并于2022年加入浙江大学。主要从事生物医学光学成像研究，致力于研发新型活体成像系统以及相关的图像处理技术。截至目前，在Nature、Nature Biotechnology 、Nature Methods、Nature Communications、Optica等期刊发表论文20多篇，授权中国或美国专利5项；并获得2020年度显微技术创新奖、美国国立生物医学成像与生物工程研究所Xiuwen Wang纪念奖，为领域内包括Nature Methods的多个学术期刊的审稿人。

题目：高时空分辨率荧光显微成像及图像恢复

摘要：荧光显微成像技术可以对生命活动进行细胞、亚细胞水平的观测，是生物医学研究中不可或缺的成像工具。面对日益广泛和日趋复杂的成像应用场景，如何减少成像带来的损伤以确保正常的生命活动、如何获取全方位的三维信息并重构空间各向同性的分辨率、如何有效地处理时序和大样品成像带来的海量数据，已成为新型显微成像技术研究中的重大需求和挑战。在本报告中，将主要介绍光片显微技术在三维活体时序和大型生物样品成像中的相关应用，并利用图像后处理对荧光显微图像进行复原，探讨传统方法和深度学习方法的图像处理效果和效率提升。

---

张腾 南京信息工程大学

个人介绍：张腾，现任南京信息工程大学人工智能学院讲师，2018年博士毕业于香港中文大学影像及介入放射学系，之后于浙江大学从事博士后研究工作，入选博士后境外交流引进项目，2021年加入南京信息工程大学智慧医疗研究院，入选江苏省“双创”博士。主要从事神经影像、分子影像分析等的研究工作，尤其是针对难治性癫痫的研究工作。在NeuroImage、European Journal of Nuclear Medicine & Molecular Imaging、European Journal等国际权威期刊发表SCI论文10余篇，并担任European Radiology等期刊审稿人工作。

报告题目：PET分子影像在儿童癫痫中的应用研究

报告摘要：癫痫是由多种病因引起的慢性脑部疾病，以神经元过度放电导致的脑功能紊乱为主要临床特征，约一半的癫痫患者在儿童期起病。儿童癫痫是儿童时期最常见、最严重的中枢神经系统疾病之一，流行率约为0.5%到1%。癫痫发作严重影响了患儿的成长发育，可能导致意外死亡、颅脑损伤和认知障碍等严重后果。本报告使用18F-FDG PET分子影像开展了儿童癫痫研究，主要包括（1）伴中央颞区棘波儿童癫痫（ECTS）研究，包括“非良性”的非典型ECTS分类研究，及ECTS认知障碍研究；（2）药物难治性儿童癫痫致痫灶定位研究，以辅助开展手术治疗。

---

刘羽 合肥工业大学

个人介绍：刘羽，合肥工业大学仪器学院副教授，博士生导师，生物医学工程系主任。2011年和2016年于中国科学技术大学自动化系分别获得学士和博士学位。主要研究方向包括多源图像融合与识别、医学图像分析、生物电信号处理等。近年来，在Information Fusion、IEEE TIP/TCSVT/TMM/TGRS/TIM/TCI/JBHI/SPL等知名期刊和会议上发表论文90余篇，论文Google Scholar总计被引8800余次，10余篇论文入选ESI高被引论文。入选Elsevier中国高被引学者榜单（2020至今）、全球前2%顶尖科学家榜单（2020至今）。获安徽省自然科学二等奖、IEEE仪器与测量汇刊IEEE TIM年度最佳论文奖（通讯作者）、国际知名期刊IET Image Processing年度最佳论文奖（第一作者）。担任国际期刊Information Fusion、IEEE SPL编委，担任中国图象图形学报青年编委。

报告题目：多模态医学图像融合及其在脑肿瘤分割问题中的应用

报告摘要：多模态医学图像融合技术旨在综合同一场景下不同模态医学图像各自包含的重要信息，生成能够更加全面、准确描述相应场景的融合图像，进而有助于医生诊断或机器感知。课题组近年来基于多尺度变换、稀疏表示、深度学习等模型对多模态医学图像融合方法及其在脑肿瘤分割问题中的应用开展了一系列研究工作。本报告将对上述研究工作进行介绍。

---

刘绵莘 上海人工智能实验室

个人介绍：刘绵莘博士现为上海人工智能实验室青年研究员。他于香港浸会大学获得博士学位，师从浸会大学物理系系主任周昌松教授。后在上海科技大学生物医学工程学院创始院长沈定刚教授IDEA Lab完成博士后训练。刘博士长期关注计算神经科学，在脑信号及影像分析、脑疾病分析智能算法开发、神经动力学建模和心理/行为统计分析方面等均积累了成果与经验。现已在领域重要期刊如PNAS、Nature Communications、Cell Reports、Physics Review Letters、IEEE TNNLS、IEEE TMI、Neuroimage、Journal of Neuroscience、Cerebral Cortex等及医疗图像分析国际顶级会议MICCAI、ISBI等上发表/接收24篇论文，其中一作及共同一作12篇，现共被引用290次，h指数为8, i10指数为8（谷歌学术数据）。获2021年上海市博士后日常经费资助1项。主研国自然面上项目2项，参研国自然重点项目1项，科技部中国脑计划重大项目1项。任IEEE TMI, Medical Image Analysis, IEEE TBME审稿人。

题目：基于大脑多尺度层级网络的智能算法设计及脑疾病研究

摘要：人类大脑网络中存在复杂的多尺度层级组织结构，其对信息的有效处理至关重要。同时在脑疾病状态下，从多尺度层级角度出发可以更好的探究大脑网络的相关改变。本报告将介绍最近提出的围绕大脑多尺度层级组织结构先验开展的人工神经网络设计，及在脑疾病诊断，脑疾病机制探索等方面的研究。

---

林宏翔 之江实验室

个人介绍：林宏翔，之江实验室副研究员，入选浙江省海外高层次青年人才，东京大学机械工学博士，曾任伦敦大学学院医学计算图像中心副研究员，东京大学机械工学特任研究员。研究方向为医学成像和图像重建方法，尤其是针对现代医学影像系统，如超声CT成像以及磁共振成像，基于数学物理反问题和深度学习方法研发图像质量增强和快速重建方法。

报告题目：Stochastic image quality transfer and application to ultra-low-field MRI enhancement

报告摘要：we present Image Quality Transfer (IQT) to enhance low-field structural MRI by estimating from a low-field image the image we would have obtained from the same subject at high field. Our approach uses (i) a stochastic low-field image simulator as the forward model to capture uncertainty and variation in the contrast of low-field images corresponding to a particular high-field image, and (ii) an anisotropic U-Net variant specifically designed for the IQT inverse problem.

---

钱学骏 上海科技大学

个人介绍：钱学骏，南加州大学生物医学工程博士，上海科技大学生物医学工程学院常任教授、研究员、博士生导师，上海市海外领军人才，智能多模态医学超声实验室主任。主要研究方向为医学超声精准智能化诊疗，至今已在国际权威期刊发表高水平研究论文30余篇，其中第一作者或通讯作者论文20篇（Nature Biomedical Engineering、IEEE TMI、IEEE TBME等），系列研究成果被Cell、Nature Biomedical Engineering、Science Translational Medicine、Nature Communications等顶级期刊多次引用，获国际会议最佳海报奖2次、年度最佳论文奖1次。此外还担任多个国际期刊的客座编委与中国医学装备协会分会委员等职务。

报告题目：基于多模态超声影像人工智能的乳腺癌风险预估

报告摘要：乳腺癌于2020年正式取代肺癌成为全球第一大癌症，而早期乳腺癌的长期治愈率可达90%以上。因此乳腺癌的早期发现、早期诊断是降低死亡率的关键。实时超声影像作为一种便捷、无辐射、无创的检查手段，对乳腺癌检测具有良好的组织分辨力，不受乳腺密度的影响，是目前我国乳腺癌筛查和疾病诊断的重要检查手段。然而，医学超声诊断过程对医生的依赖性较强，医生个体差异对诊断结果影响较大。因此，人工智能辅助诊断技术在医学超声中具有广泛且重要的应用价值。本次报告将分享我们如何利用多模态超声影像信息构建临床适用的人工智能辅助诊断系统。

---

余晋刚 华南理工大学

个人介绍：余晋刚，华南理工大学自动化科学与工程学院副教授，广东省“珠江人才计划”青年拔尖人才入选者。长期从事计算机视觉与模式识别、医学图像分析领域的研究工作。近年来，聚焦于计算病理相关的基础算法与临床应用研究，提出数字病理图像智能分析系列创新算法，研发“华南理工大学计算病理平台”并部署至南方医科大学珠江医院、中山大学孙逸仙纪念医院等开展临床示范应用。

报告题目：非充分标注下高维异质病理图像分析及临床应用

报告摘要：本报告主要包含三个部分：1）针对粗粒度标注、有限量标注、删失标注等典型非充分标注情形，讨论病理图像分析的挑战、对策及研究现状；2）汇报非充分标注下病理图像分析算法研究方面的几项近期工作，包括基于贝叶斯协作学习的WSI图像分类、基于弱监督序数回归的WSI图像预后分析、基于半监督小样本学习的病理图像实例分割等；3）汇报相关技术临床应用方面的一些实践探索。

---

宁振源 南方医科大学

个人介绍：宁振源，南方医科大学生物医学工程博士。2018年获学士学位（本硕连续培养计划）；2019-2020年前往美国北卡罗来纳大学教堂山分校（University of North Carolina at Chapel Hill）进行访问学习。研究方向为医学图像处理与数据挖掘。近五年，以第一/通讯作者在IEEE TPAMI、IEEE TNNLS、IEEE TMI、MeDIA、IEEE JBHI、BIB、CGH、EBIOMEDICINE、NeurIPS、MICCAI等期刊、会议发表长文十余篇，多项成果被评为Editor’s Choice和Featured article；获批国家发明专利2项；参与国家自然科学基金联合基金重点项目、面上项目各一项；荣获多项国家级、省部级竞赛表彰，包括ICMA fellowship award 和4次国家奖学金等；担任十余个著名期刊、会议审稿人。

报告题目：基于多维度特征的癌症预后分析

报告摘要：癌症是危害人类健康的重大疾病，中国癌症死亡人数列全球首位。治疗方案的选择对病人预后有直接影响，而若能预测癌症预后并挖掘标志物亦能辅助治疗方案制定，实现精准治疗。随着医学成像、检测等技术的进步，临床场景中获取的海量数据也为人工智能技术在癌症预后分析的应用奠定了基础。然而，如何有效地处理这些高维度、高异质的临床数据并开发出高精准、强鲁棒的预后预测模型对于辅助医生进行临床决策具有重要意义。本报告将围绕基于多维度特征的癌症预后分析展开，主要介绍讲者在面向单模态数据以及复杂多模态数据场景的预后分析算法方面的工作。

---

张鹏程 中北大学

个人简介：张鹏程，男，1984年5月出生，2014年7月获得法国雷恩第一大学获信号处理与通信专业工学博士学位、东南大学计算机科学与技术专业工学博士学位。现为中北大学生物医学工程学科教师，副教授，硕士生导师。主要从事三维CT理论与工程应用、医学图像处理与重建、精确放射治疗剂量计算及方案优化、并行程序设计等方面的教学和科研工作。作为项目负责人主持国家自然科学基金1项，山西省自然科学基金1项，山西省回国留学人员科研资助项目2项。以第一作者发表学术论文11篇，其中SCI收录8篇；授权中国发明专利8项。

报告题目：基于TV正则项展开的CT重建网络

报告摘要：随着人工智能技术方兴未艾，应用迭代展开方法架构计算机断层扫描(Computed Tomography, CT)重建网络已取得了一定的成果，成为该领域新的研究热点和前沿技术。然而，现有迭代展开网络大都只针对CT重建问题中的保真项项采用神经网络进行迭代展开，忽略了对正则项部分的展开。在迭代展开方法中，直接采用神经网络替换正则项，降低了所构造CT重建网络的可解释性，限制了CT重建网络的特征提取能力。总变分(Total Variation, TV)正则化项对图像边缘敏感，且算法复杂度较低，经常被应用于到CT图像重建中以便于恢复重建图像中的解剖结构信息。采用迭代展开方法对基TV正则项的CT迭代重建算法进行神经网络展开，尤其是其中的TV正则项，所得CT重建网络可以有效地改善CT重建图像的视觉质量。本报告，首先采用原始-对偶算法求解基于TV正则项的CT重建问题，得到易于神经网络展开的CT迭代重建算法；然后，对CT迭代重建算法进行神经网络展开，得到保真项和TV正则项同时展开的CT重建网络；最后，通过实验验证了所构造CT重建网络的有效性。

---

柯晶 上海交通大学

个人介绍：柯晶，博士毕业于澳大利亚新南威尔士大学，目前在上海交通大学计算机系任助理研究员硕导、新南威尔士大学联席讲师（Adjunct Lecturer）。在S3 Graphics，AMD和CSIRO等机构有多年的商业经验。目前主要的研究方向为病理图像的智能分析诊断及大规模图像的高性能并行计算。在医学图像分析领域以一作或通讯在MedIA、TMI、MICCAI等期刊会议发表论文三十篇；在高性能并行计算领域会议如IPDPS、MICRO、DAC等发表论文十篇。出版著作“通用图形处理器设计-GPGPU编程模型与架构原理”（清华大学出版社）。主持国家自然科学基金青年项目，上海市自然科学基金面上项目，以及两项“交大之星“计划医工交叉研究基金；并于国家知识产权局授权专利三项。担任MICS、CSIG、CAAI等学会专委，Frontiers in Radiology 的主题编委；长期担任TPAMI、TMI和MICCAI等期刊会议的审稿人。

报告题目：基于深度学习的病理图像标注及临床应用问题研究

报告摘要：病理图像由于数据量大、诊断信息丰富、染色多样性等特点，存在标注困难、标注灵活且差异明显、染色标准化（归一化）的可靠性不足、制片瑕疵影响自动化诊断等一系列问题。报告针对这些问题进行阐述分析，并提出相应的解决方案及框架算法。

---

杨鑫 深圳大学医学部

个人介绍：主要从事智能化产科超声影像、心血管影像分析以及图形学的研究。入选斯坦福全球前2%顶尖科学家“2021年度科学影响力排行榜”。2019年于香港中文大学计算机科学与工程系获博士学位。曾先后在美国北卡罗莱纳大学教堂山分校和哈佛大学医学院访学。深圳市海外高层次人才。近5年在顶级期刊发表论文40余篇，在国际顶级会议AAAI, MICCAI，CVPR等发表论文40余篇，获得Medical Image Analysis期刊2017年最佳论文奖，谷歌学术引用5300余次。担任IEEE TMI, Medical Image Analysis, MICCAI，AAAI，CVPR等多个顶级期刊会议的审稿人和PC Member。是业界首个一站式医学影像专用标注软件Pair、国产首个智能超声AI推理引擎NiCE的主要发起人。目前主持在研深圳市稳定支持项目1项，国家自然科学基金青年基金1项。

报告题目：国产关键标注软件Pair加速智能医学影像研发落地

报告摘要：医生专家的手工标注是智能医学影像大规模发展的基石。然而，标注依赖专家经验且昂贵。领域内长期缺乏通用和智能的关键标注软件。全模态、全格式、全功能和智能化的综合标注诉求为此类软件的研发带来了极大的算法和工程挑战。用户易用性、设备普及化和稳定性也对软件架构提出了苛刻性能要求。我们研发的Pair标注软件作为国产首款一站式医学影像标注关键工具链软件，以架构和直觉交互创新，实现了轻量、高效且通用的医学影像智能化标注，大幅提升了标注的效率和领域泛化能力，包括通用智能辅助标注AIA、通用分割标注AutoSeg、通用交互式分割itSeg、通用连续目标分割iMOS等，为智能医学影像的国产关键软件进行了长期深入的研究探索和大面积的有益应用。