特邀讲师


11.jpg

陈韵梅

美国佛罗里达大学教授

报告题目:Extra Proximal-Gradient Inspired Non-local Network for Image Reconstruction

报告摘要:Variational method and deep learning method are two mainstream powerful approaches to solve inverse problems in computer vision. To take advantages of advanced optimization algorithms and powerful representation ability of deep neural networks, we propose a novel deep convolutional  neural network for image reconstruction. The architecture of this network is inspired by our proposed accelerated extra proximal gradient algorithm with the incorporation of two types of prior-exploiting operations.  They are a non-local operation to exploit the inherent non-local self-similarity of the images, and a sparsity-promoting operation to learn the nonlinear transform, under which the solution is sparse. Our experimental results showed that the proposed CNN outperforms several state-of-the-art deep neural networks with similar or even less number of learnable parameters.

简介:陈韵梅,美国佛罗里达大学终身教授、杰出教授,图像处理科学家。致力于数学、图像处理和机器学习等交叉学科的研究,研究领域涉及医学图像分析中的数学模型的建立与数值优化方法的发展,而且对其中潜在的数学理论进行了深入的研究。曾获中华人民共和国国家自然科学三等奖、中华人民共和国教育部科技进步一等奖,获国际发明专利9项,主持美国国家级项目20余项,发表学术论文200余篇,其中多篇具有重要影响的学术论文发表于《InventionesMathematicae》、《Communications on Pure and Application Mathematics》、《SIAM Journal on Imaging Sciences》、《SIAM Journal on Optimization》和《SIAM Journal on Applied Mathematics》等国际期刊。

 

2.jpg

卢虹冰

空军军医大学教授

报告题目:Towards radiomic prediction model for cancer screening

报告摘要:Tumor staging, histopathological grade and recurrence are the most important prognostic factors. Anatomic magnetic resonance imaging (MRI) techniques have shown potential to determine tumor location and invasion, while functional MRI techniques, especially the diffusion-weighted (DW) imaging and associated apparent diffusion coefficient (ADC), have exhibited capability in assessing biological behaviors such as cellularity and demonstrated their usefulness in cancer management, especially in grade assessment. In this report, a non-invasive radiomics strategy which conjuncts texture-based image signatures, like histogram and GLCM textures derived from T2 weighted MRI images and their high-order derivative maps, DW images and corresponding ADC maps, with machine learning-based classification such as a SVM classifier and deep learning techniques, has been proposed for the differentiation of muscular invasiveness and cancer grades preoperatively. Preliminary experiments with multimodal MRI datasets acquired from patients with clinicopathologically confirmed cancer (including bladder, colorectal cancer and gliomas) verify the feasibility of the proposed radiomic strategy.

简介:卢虹冰,空军军医大学生物医学工程系教授,主任,博士生导师,长期从事医学成像与智能分析研究,作为项目负责人近五年共承担国家重点研发专项、国家自然科学基金重点、国家科技支撑计划重大子课题、军队后勤科研重点项目等7项,第一完成人获陕西省科学技术一等奖1项;已在行业权威期刊Biomaterials, IEEE TMI, IEEE Trans Biomed Eng, ACS Appl Mater Interfaces, Euro Radiol等发表SCI论文70余篇,单篇最高引用近400次;获国家发明专利11项,美国专利1项,软件著作权5项;获国务院政府特殊津贴军队优秀专业技术人才一类岗位津贴等奖励。现任中国生物医学工程学会理事、中国图象图形学学会理事、陕西生物医学工程学会理事长等职,IEEE Trans Med Imag、《中国生物医学工程学报》等杂志编委。

庄吓海.PNG

庄吓海

复旦大学研究员

报告题目:Multimodality image computing, the applications and challenges

报告摘要:Cardiovascular diseases are the number one cause of global deaths in modern countries. Being able to provide early diagnosis and treatment can dramatically reduce the death toll. Medical imaging and computing technology provides a way to detect and quantify the minor changes of the pathology and disease progress in an early stage; and the applications to clinical practice show tremendous potential in achieving this goal. Extracting the morphological and pathological information from medical images is a prerequisite in developing novel clinical applications, which has become a popular research topic in information processing domain as well as in medical research. In this talk, I will introduce the applications of medical imaging and computing technology, particularly to cardiology combining multi-modality images. The challenges and methodologies are discussed and the results from our recent work are provided.

简介:庄吓海,复旦大学大数据学院院长助理,研究员、博导。2002年在天津大学计算机系获学士学位,2007年在上海交通大学计算机系获硕士学位,2010年在UCL医学图像计算中心获博士学位,之后留校做博后和荣誉讲师。主要研究方向是医学影像和图像处理,大数据和人工智能算法等。在IEEE TPAMIIEEE TMIMedical Image Analysis等期刊和MICCAIIPMI等会议发表多篇文章。相关工作曾获得国际医学图像计算与计算机辅助介入协会青年科学家提名。


李玺.PNG

李玺

浙江大学教授

报告题目:视觉结构学习理论和应用

报告摘要:互联网和物联网时代催生了海量视频大数据,从这些海量视频数据中有效提取知识迫切需要各种人工智能的技术和手段。因此,如何进行人工智能驱动的视觉计算已经成为当今知识经济时代亟待解决的核心技术问题。本报告主要围绕数据驱动的人工智能学习方法,进行大规模图像/视频数据的视觉结构学习,从目标视觉感知特性、视觉特征表达、深度学习器构建机制、高层语义理解等多维度视角进行了深入剖析,并引入了大规模视觉结构学习所涉及的主要研究问题和技术方法。然后系统地回顾了视觉结构表达和学习领域的不同发展阶段,介绍了近年来我们利用视觉结构学习进行视觉语义分析和理解所做的一系列代表性的研究工作及其实际应用。

简介:李玺,教授,博导,浙江大学计算机学院人工智能研究所,浙江大学-每日互动数据智能研发中心主任,国家千人计划青年项目入选者,中国图象图形学学会理事,浙江省杰出青年科学基金获得者,浙江省特聘专家,浙江省151人才培养工程第二层次。主要从事计算机视觉、模式识别和机器学习等领域的研究和开发。在国际权威期刊和国际顶级学术会议发表文章近130篇,包括TPAMIIJCVTIPTNNLSTKDETMM、、TCSVTTCYBICMLICCVCVPRIJCAIAAAI等。这些研究成果受到了国际学术界和工业界的热烈关注,拥有2ESI高被引论文,Google Scholar引用3500次左右,担任国际计算机视觉领域顶级会议ICCV 2019的领域主席(Area Chair, 担任人工智能领域顶级会议IJCAI 2019的领域主席(SPC),担任神经网络和学习系统领域顶级期刊《IEEE Transactions on Neural Networks and Learning Systems》的Associate Editor2019.1—), 担任图像视频处理领域顶级期刊《IEEE Transactions on Circuits and Systems for Video Technology》的Associate Editor2019.1—),担任神经计算领域知名国际刊物《Neurocomputing》和《Neural Processing Letters》的Associate Editor,担任国际模式识别大会ICPR 2018的领域主席(Area Chair),担任中国模式识别大会PRCV 2019的领域主席(Area Chair),同时担任多个计算机视觉和模式识别方面的国际刊物和国际会议的审稿人和程序委员。获得两项最佳国际会议论文奖(包括ACCV 2010DICTA 2012),一项最佳学生论文奖(ACML 2017),以及一项ICIP 2015 Top 10%论文奖。另外分别获得两项中国北京市自然科学技术奖(包括一等奖和二等奖),以及一项中国专利优秀奖。


黄峰.PNG

黄峰

东软医疗人工智能中心主任兼首席科学家

报告题目:人工智能在医学影像成像端的技术和应用举例

报告摘要:医学影像设备在临床上还存在着操作复杂,扫描速度不够快,图像质量不稳定,或者有危害健康的辐射等问题。人工智能技术的快速发展为这些影像设备端问题的解决提供了新的途径,获得了比以往传统方法更好的结果。本报告的主要内容包括:影像设备端面临的主要问题,为解决这些问题所使用的人工智能技术,应用到设备上后实际获得的效果,以及设备端人工智能现在遇到的技术困难。

简介:黄峰,2004年毕业于美国佛罗里达大学应用数学专业,获博士学位。曾任飞利浦医疗主任研究员和临床应用总监,现任东软医疗人工智能中心首席科学家兼中心主任、磁共振首席科学家兼卓越临床总监。中国医学装备协会人工智能联盟理事,影像装备人工智能联盟企业副主委。发表国际核心期刊文章43篇,发表会议论文300多篇;申请国内国际专利已公布超40项。担任13种期刊的审稿人,其中曾任 IEEE transaction on Biomedical Engineering 的副主编,和中国医学装备杂志编委,作为主要负责人获得国家十三五和上海市基金累计超过2000万元。数十次在国际会议上口头汇报或受邀演讲。多项研究成果已经广泛应用于工业界。


66.jpg

罗建文

清华大学物特别研究员

报告题目:基于超声弹性成像的颈动脉粥样易损斑块检测

报告摘要:超声颈动脉弹性成像通过测量颈动脉粥样硬化斑块在血压作用下的运动和形变,推测斑块弹性或成分分布,进而预测斑块破裂风险。本研究比较了基于互相关与基于光流法的弹性成像算法,选取优化的方法获得可靠的斑块应变估计;并使用磁共振成像作为在体的参考标准,验证颈动脉弹性成像诊断易损斑块的能力。结果证明了斑块应变率的大小可用于有效地区分稳定和易损斑块。进一步,本文基于灰度共生矩阵,定量提取了斑块应变率图像的空间分布纹理特征;间接反映斑块弹性或硬度分布的空间不均匀性等信息。研究结果证明了高危斑块的应变率分布更加地不均匀。因此,结合斑块弹性成像的幅度和纹理特征,或可为颈动脉粥样硬化斑块提供更全面的评价信息。

简介:清华大学特别研究员,长聘副教授,博士生导师。发表SCI论文145篇。2012年入选中组部青年千人计划。2013年获国家自然科学基金优秀青年科学基金项目资助。2016年获国家重点研发项目青年科学家专题项目资助。担任IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control期刊Associate EditorJournal of Ultrasound in Medicine期刊编委,IEEE生物医学工程分会(EMBS)生物医学与图像处理(BIIP)技术委员会委员,IEEE国际超声论坛 (IUS) 技术委员会委员。担任德国DFG、法国ANR、比利时FWO、国家重点研发计划、科技部创新人才推进计划、教育部长江学者奖励计划评审专家。

杨光2.jpg

杨光

帝国理工医学院高级研究员

报告题目:机器增强智能在心脏核磁中的应用

报告摘要:深度学习作为人工智能(Artificial Intelligence)的一个重要分支在数据分析方面正在呈现持续增长的趋势,并被称为 2013 年的 10 项突破性技术之一。它是对神经网络的改进,包含更多的计算层,从而能够在数据中进行更高层次的抽象和预测。到目前为止,它正成为通用成像和计算机视觉领域领先的机器学习工具。就在今年3月份国际计算机学会ACM决定将2018ACM A.M.图灵奖授予约书亚·本吉奥(Yoshua Bengio)、杰弗里·辛顿(Geoffrey Hinton)和杨乐昆(Yann LeCun) 三位深度学习之父,以表彰他们给人工智能带来的重大突破,这些突破使深度神经网络成为计算的关键组成部分。毋庸置疑,在医疗领域特别是医学图像数据的处理分析方面,深度学习取得了一些重要成果,然而如何将这些成果转化到临床实际应用中依然还有一道无法逾越的鸿沟。杨光博士的研究将围绕在机器增强智能(Augmented Intelligence)在医疗领域的应用上,而非使用广义的人工智能(Artificial Intelligence)技术。这次演讲的主题将集中在机器增强智能在心脏核磁中的应用上,杨光博士将讲解其现有技术、突破以及展望。

简介:杨光博士是伦敦大学学院医学物理及计算机专业硕士、博士。现任帝国理工医学院高级研究员,英国皇家布朗普顿医学院心脏血管研究中心医学图像高级工程师,伦敦大学圣乔治医学院荣誉讲师,杭州帝工先进技术研究院执行院长,博士生导师。杨光博士长期专注于医疗大数据以及医学图像的成像和分析方面的研究,在各类期刊会议上发表论文 70余篇,其中包括SCI论文16篇,并且拥有2项核磁共振图像处理的国际专利。杨光博士是《深度学习:一起玩转TensorLayer》(电子工业出版社)一书的主要作者。杨光博士是美国电气和电子工程师协会会员,美国国际光电学工程协会会员以及英国机器视觉协会会员。Medical Physics 杂志临时副主编。

 

8.jpg

张贺晔

中山大学教授

报告题目:计算机建模及医学图像智能处理

报告摘要:本报告将重点介绍基于深度学习的快速磁共振成像领域的研究工作。心脑血管疾病一直是危害国民健康的重大临床挑战,临床共识指出心脑血管疾病需要进行个性化的精准诊疗,这就需要从病人个体的健康信息中提取出可靠的量化指标。该报告将讲述我们如何使用计算建模及图像处理的工程技术,从心脏影像中提取出评估冠心病生理状态的量化指标,并应用于临床诊断的过程。

简介:张贺晔教授主要从事健康信息学定量分析研究工作,以临床健康信息需求为驱动,推动并发展了一系列健康信息定量分析的技术与方法。截止目前,发表学术论文78篇(第一或通讯作者41篇),其中SCI检索论文42篇(第一或通讯作者23篇),包括Medical Image Analysis 4篇(通讯作者),MICCAI 12篇,4ESI高被引和一篇ESI热点文章,主持一项NSFC联合基金重点项目和面上项目,申请或授权中国发明专利5项,获吴文俊人工智能科学技术创新奖三等奖(唯一人)。