报告人：王仁振
报告地点：腾讯会议ID：925-731-672
报告时间：2023年09月11日星期一19:30-20:30
邀请人：王晓飞
报告摘要：
训练数据充足的情形下，基于深度学习的医学影像分割方法已取得了前所未有的成功。然而，当标记数据有限以及医学影像外观存在显著差异时，深度网络的适用性和实用性都受到了严峻的挑战。为了应对这一挑战，本报告将介绍一种新的基于成对学习的器官分割方法。该方法主要利用成对样本作为输入来捕捉影像的解剖结构，并通过融合模块促进成对样本间的协同分割。同时，鉴于有限的训练样本以及器官类内异质性和边界模糊性，该方法通过刻画标签空间中的先验知识，设计了新的代理监督来减轻网络训练过程中的过拟合问题。所提出的成对分割方法有效增强了复杂医学影像场景中的分割准确性和鲁棒性。
主讲人简介：
王仁振，博士，助理教授，西安交通大学青年优秀人才。研究方向机器学习、医学影像分析，尤其关注面向数据偏差的机器学习算法研究以及面向计算机辅助诊断系统的智能算法研究。目前在国内外权威期刊和会议上发表十余篇论文，包括人工智能顶级会议ICLR, ICCV, CVPR, MICCAI, IPMI及顶级期刊IEEE TPAMI, TMI及MedIA上。目前担任国际期刊IEEE TPAMI, TMI以及人工智能顶会ICML, NeurIPS, ICLR, MICCAI的审稿人。作为负责人主持国家自然科学基金青年项目、科技部国家重点研发计划子课题，并作为骨干参与国家自然科学基金重点及面上项目多项。
学校主页