题目：面向医学影像分析的可信人工智能

主讲嘉宾：陈城 博士

时间： 2022年6月10日（周五）下午 17:00 – 18:00

地点： 深圳大学丽湖校区A2-517（1）大会议室

主持人： 杨鑫

主讲嘉宾简介：

陈城，香港中文大学计算机科学与工程系博士、博士后，此前于美国约翰霍普金斯大学和浙江大学取得硕士和学士学位。研究方向为人工智能、深度学习和医学影像分析，关注神经网络在复杂临床场景中的泛化性、鲁棒性及多模态学习。在IEEE TMI、CVPR、AAAI、IJCAI、MICCAI等顶级期刊和会议发表多篇文章，谷歌学术引用930余次。曾获医学影像顶级会议MICCAI 2021联邦学习脑肿瘤分割泛化挑战赛的冠军、AAAI Scholarship、MICCAI Travel Award等奖项。担任IEEE TPAMI，IEEE TMI，MedIA，CVPR，AAAI，MICCAI等多个顶级期刊和国际会议审稿人。

报告简介（Abstract）：

随着人工智能技术的进步，医学影像自动化分析取得了突破性的进展，推动现代医疗向智慧、精准、高效快速发展。然而，深度学习模型对医学影像中广泛存在的数据异质性和多模态特性不具备泛化性和鲁棒性，显著影响了深度模型在真实临床场景下的性能。本报告将结合医学影像分割的应用场景，阐述在临床场景下提高深度学习模型可信度的研究工作。首先，针对医学影像域偏移下模型的泛化性问题，本报告将介绍一系列无监督域适应（Domain Adaptation）和隐私保护域泛化（Domain Generalization）方法，有效实现深度模型跨数据集和跨模态的迁移；其次，针对医学影像多模态缺失的问题，本报告将介绍鲁棒的多模态学习框架，提升深度模型在模态缺失情况下的性能。本报告还将探讨模型泛化性、可解释性以及多模态问题的一些未来研究方向，以期提高人工智能模型在临床场景中的可应用性。