勷勤数学•杰出学者报告

题      目：医学影像分析中的高效标注深度学习技术

报  告  人：陈延伟 教授  (邀请人：叶颀)

                                      立命馆大学（日本）

时      间： 1月29日  10：30-11:30

地     点：数科院西楼111报告厅

报告人简介:

       1985 年日本神户大学毕业。1990 年日本大阪大学博士毕业。工学博士。曾任日本激光給合技衍研究所研究员、日本琉球大学讲师、副教授，教授。日本立命馆大学信息理工学院终身教授，立命館大学尖端医学健康信息研究中心创始人和第一任中心主任。2024 年 4 月当选日本工程院外籍院士。研究领域为计算机视觉，计算解剖学，人工智能。在 IEEE Transactions on Image Processing, IEEE Transactions on Medical Imaging, CVPR, ICCV，IJCAI，AAAI 等顶级期刊和国际会议发表论文 200 多篇。获得 ICPR2013 最佳科学论文奖、JAMIT 最优论文奖、中科院杰出海外华人科学家基金。根据斯坦福大学/爱思唯尔的排名，在单个最近一年和整个职业生涯的科学家中均排名世界前 2%。作为 PI 主持近 20 项日本政府基金项目和国际合作项目。

摘      要：

      近年来，深度学习（DL）已在诸多学术与工业领域，特别是在计算机视觉与图像识别中，发挥着重要作用。在医学影像分析中，深度学习也已成为自动化关键任务（如病灶检测、分割与分类）的强大工具。然而，当前方法主要依赖于监督学习框架，这些框架需要大量由专家标注的数据——这种方法在真实临床环境中既昂贵又难以实现。本次报告将聚焦于标签高效的深度学习算法，以应对这些局限性。具体而言，报告将探讨半监督学习、知识（语言）引导学习以及基础模型微调等技术，旨在减轻标注负担的同时，保持医学影像分析的高准确性与鲁棒性。在此次报告中，我将介绍我们在用于增强医学影像分析的标签高效深度学习方向上取得的最新进展，主要包括以下三个研究方向：（1）半监督学习；（2）知识（语言）引导学习；（3）基础模型微调。

          欢迎老师、同学们参加、交流！