应002资讯网张达治、郭志昌老师邀请，华东师范大学计算机科学与技术学院沈超敏博士作学术报告，欢迎感兴趣的师生参加！

【报告题目】：弱监督学习与域适应相结合的医学图像分割

【报告时间】：2020年7月20日，下午14：00

【报告平台】：腾讯会议

点击链接直接加入会议：https://meeting.tencent.com/s/KjaNkAzk276U

【会议ID】：405 617 201

【报告摘要】：本报告讨论了我们运用弱监督学习与域适应相结合的医学图像分割方法, 在CT图像上进行心脏分割的工作. 在本报告中, 弱监督学习指利用粗粒度的标签获得精确标签的过程;域适应是指利用MRI 图像中的信息, 协助在CT图像中进行分割. 弱监督学习与域适应相结合的方法已在自然图像中取得了成功, 然而在医学图像领域, 由于医学图像的特殊性, 例如器官形状特别、邻近器官的干扰等, 进展不大. 我们的创新在于在目标域 (CT图像) 中使用bounding box作为伪标签，并用cycleGan的方法对齐源域 (MRI 图像) 与目标域 (CT图像) 的特征，实现了弱监督与域迁移在医学图像分割领域的结合.

【报告人简介】：沈超敏, 华东师范大学计算机科学与技术学院副教授. 从事人工智能在图像处理特别是医学影像中的理论和应用研究，研究领域主要包括骨科手术导航、MRI快速重建、深度学习下的对抗防御等, 主持国家自然基金面上项目，作为学术骨干承担973、国家自然基金重点项目等，发表学术论文40余篇; 是数学图像联盟 (Union of Mathematical Imaging, UMI) 秘书长、上海力学会交通流与数据科学专业委员会委员.