报告题目:无监督和弱监督学习在医学图像理解上的探索
报 告 人 :许燕 教授(北京航空航天大学)
报告时间:2023-05-20 AM 8:00-9:30
报告地点:山东大学威海无线传感器网络研究中心(知行北楼404室)
报告人简介:
许燕,北京航空航天大学,生物与医学工程学院,教授,博士生导师。获得国家自然科学基金“优青”,北京市青年英才和微软亚洲研究院铸星计划。入选斯坦福大学“全球前2%顶尖科学家”终身科学影响力2022、年度科学影响力2021/2022榜单。入选2022年人工智能全球最具影响力学者AI 2000榜单荣誉提名。中国生物医学工程学会医学图像信息与控制分会委员,中国生物医学工程学会人工智能分会青年委员。在IEEE Transactions on Medical Imaging (TMI), Medical Image Analysis (MIA), Journal of the American Medical Informatics Association (JAMIA)等本领域权威期刊在内的重要期刊和ICLR,CVPR, ICCV, MICCAI, ICASSP等本领域重要会议上共发表多篇论文。发表高被引论文。任国际会议ICCV,MICCAI的领域主席。以责任人身份负责多项政府、业界资助的项目。资助单位包括国家自然科学基金,国家重点研发计划,北京市自然科学基金,深圳市自然科学基金以及微软亚洲研究院的项目等。研究成果已经被应用在多家三甲医院及企业产品中。
报告摘要:
病理图像理解在临床医学和研究中都有着十分重要的应用,但是由于病理图像的空间结构复杂,病理的信息量较大,给算法研究带来了一定的困难。虽然目前已经出现了多种可以用于病理图像理解的算法,但是这些算法都需要大量的人工标注。我们提出一系列弱监督学习的医学图像语义分割和无监督学习的可形变医学图像配准算法,能够用于病理图像分析,并可用于剖析细微的组织结构。在2D的病理图像上都获得了很好的准确率。同时,我们提出一种基于transformer的弱监督学习的病理图像分割算法,能够只在image-level的有限标注下,在病理图像肿瘤分割方面接近全监督学习的效果。