報告時間：2023年4月28日（星期五）10:00
報告地點：科技樓225會議室
報 告 人：莊嚇海 教授
工作單位：復(fù)旦大學(xué)
舉辦單位：儀器科學(xué)與光電工程學(xué)院
報告簡介：
醫(yī)學(xué)影像在計算機輔助診斷和治療等現(xiàn)代醫(yī)學(xué)中發(fā)揮著重要的作用，近十年基于深度學(xué)習(xí)的方法有望為臨床醫(yī)學(xué)和醫(yī)學(xué)研究帶來更多變革性新技術(shù)。然而臨床中，掃描硬件的局限和目標(biāo)器官的運動導(dǎo)致多模態(tài)影像分析的智能化困難，尤其如心臟多序列磁共振影像，不同位置圖像的錯位和不同程度的數(shù)據(jù)丟失給智能化算法帶來極大的挑戰(zhàn)。同時，在涉及多模態(tài)、跨中心圖像和弱監(jiān)督學(xué)習(xí)的場景中，基于深度學(xué)習(xí)的方法其模型的泛化能力和可解釋性往往不足。這導(dǎo)致深度神經(jīng)網(wǎng)絡(luò)模型的可推廣性受到局限。本次報告將討論心臟多中心多模態(tài)影像分析的問題，提出基于聯(lián)合計算的多模態(tài)影像融合分析方法；同時針對模型的泛化性問題，提出一種構(gòu)建可解釋深度神經(jīng)網(wǎng)絡(luò)模型的方法，來提高深度學(xué)習(xí)模型的泛化能力。近期的初步成果可以參考實驗室主頁，其中部分代碼和數(shù)據(jù)也通過該主頁公布（https://zmiclab.github.io/projects.html）。
報告人簡介：
莊嚇海，復(fù)旦大學(xué)大數(shù)據(jù)學(xué)院教授、博導(dǎo)。主要研究方向是心臟醫(yī)學(xué)影像分析，可解釋人工智能方法等。在本領(lǐng)域主流期刊發(fā)表文章百余篇；多項工作入選頂刊Med Imag Ana高引論文，工作被Nat Rev Card 2021作為人工智能在心血管成像中的成功應(yīng)用案例引用，以及IEEE T PAMI、Circulation和多個Nature子刊等引用。2022年入選斯坦福大學(xué)發(fā)布全球頂尖科學(xué)家 “終身”和“年度”科學(xué)影響力榜單；曾提名MICCAI協(xié)會青年科學(xué)家獎。擔(dān)任國際學(xué)術(shù)組織MICCAI協(xié)會的理事，擔(dān)任包括三個中科院一區(qū)期刊等多個國際期刊的編委。
