报告题目: 基于深度学习的医学影像分析与优化建模
报告人：王如心（中国科学院副研究员）
报告地点：文波楼401会议室
摘要: 精准医学时代的到来给医学影像学提出了更高要求，应用多种医学影像的优化组合并整合分析多模态信息可以获得对组织器官的功能、形态、代谢等更加详尽、准确、完整的信息。在标记数据稀缺的情况下，半监督学习通过利用大量未标记数据的潜在知识，显著提高了医学图像分析的性能。作为研究有效利用未标记样本的关键范式，传统的一致性学习机制无差别地对齐样本及样本间关系的分布或预测结果。非因果但有区别的影像特征可能会取代内在的语义信息，从而导致虚假的一致性。为了解决这些问题，我们引入了一种新的因果关系驱动的学习框架，以优化一致性学习过程，减少混杂因素或偏置对医学图像表征的影响。结合因果推理，我们的框架强调提取和利用因果特征对图像进行表征，从而增强模型的泛化性和可解释性。
报告人简介：王如心，副研究员，中国科学院大学博士生导师，中国科学院特聘研究岗位（骨干人才），深圳市“鹏城孔雀计划”特聘岗位，中国运筹学会数学与智能分会副秘书长，图论组合分会青年理事，中国人工智能产业发展联盟医学人工智能委员会工作组专家。主要研究方向包括模式识别，因果机器学习，图像处理，多模态表征计算等，获广东省科技进步二等奖、深圳市科技进步一等奖，深圳市优秀科技论文等奖励，作为负责人主持国家重点研发计划青年科学家项目、国家自然科学基金面上项目、青年项目、广东省自然科学基金面上项目，深圳市优秀科技创新人才培养项目以及华为横向课题等。
