數(shù)據(jù)受限下的醫(yī)療圖像分割方法研究

來源:發(fā)布時間:2023-12-08

【講座題目】數(shù)據(jù)受限下的醫(yī)療圖像分割方法研究

【時  間】2023年12月8日,下午14:20-15:20

【地  點】保定校區(qū)  一校區(qū) 綜合樓學術報告廳

【主講人】吳健 浙江大學求是特聘教授

【主講人簡介】

吳健,浙江大學求是特聘教授,浙江大學國際聯(lián)合學院副院長、浙大睿醫(yī)人工智能研究中心主任、人工智能醫(yī)療器械標準化技術歸口單位專家組專家、中國計算機學會理事、中國衛(wèi)生信息學會國際合作與交流專業(yè)委員會副主任委員、浙江省醫(yī)療數(shù)據(jù)產(chǎn)業(yè)研究會副理事長。研究興趣集中在醫(yī)學人工智能,發(fā)表SCI/EI收錄論文100余篇。主持國家自然科學基金項目6項、國家重點研發(fā)項目子課題2項。2007年獲教育部科技進步一等獎,2008年獲浙江省科技進步一等獎,2009年獲中國商業(yè)聯(lián)合會科學技術特等獎,2010年獲國家科技進步獎二等獎,2014年獲浙江省科技進步一等獎,2018年獲浙江省科技進步二等獎,2021年獲中國計算機學會科技進步優(yōu)秀獎,2022年獲中國電子學會科學技術二等獎,2022年獲中國產(chǎn)學研合作創(chuàng)新成果二等獎。

【報告內(nèi)容簡介】

數(shù)據(jù)集類別不平衡、辨識度較低、標注資源較為有限這三方面限制了醫(yī)療CT圖像分割任務的發(fā)展。針對這三大挑戰(zhàn),團隊創(chuàng)新三項技術突破:一是提出一個基于雙尺度學習選擇性遷移學習的分割網(wǎng)絡來擴充與平衡數(shù)據(jù)集;二是以一個基于深度自步主動學習分割框架,讓標注得到高效利用;三是建立一個多時期分割與多模態(tài)融合分類模型,提升分類水平的低辨識度,同時以全3D級聯(lián)分割模型提升分割水平的低辨識度。

返回