报告时间：2023年4月28日（星期五）10:00
报告地点：科技楼225会议室
报 告 人：庄吓海 教授
工作单位：复旦大学
举办单位：仪器科学与光电工程学院
报告简介：
医学影像在计算机辅助诊断和治疗等现代医学中发挥着重要的作用，近十年基于深度学习的方法有望为临床医学和医学研究带来更多变革性新技术。然而临床中，扫描硬件的局限和目标器官的运动导致多模态影像分析的智能化困难，尤其如心脏多序列磁共振影像，不同位置图像的错位和不同程度的数据丢失给智能化算法带来极大的挑战。同时，在涉及多模态、跨中心图像和弱监督学习的场景中，基于深度学习的方法其模型的泛化能力和可解释性往往不足。这导致深度神经网络模型的可推广性受到局限。本次报告将讨论心脏多中心多模态影像分析的问题，提出基于联合计算的多模态影像融合分析方法；同时针对模型的泛化性问题，提出一种构建可解释深度神经网络模型的方法，来提高深度学习模型的泛化能力。近期的初步成果可以参考实验室主页，其中部分代码和数据也通过该主页公布（https://zmiclab.github.io/projects.html）。
报告人简介：
庄吓海，复旦大学大数据学院教授、博导。主要研究方向是心脏医学影像分析，可解释人工智能方法等。在本领域主流期刊发表文章百余篇；多项工作入选顶刊Med Imag Ana高引论文，工作被Nat Rev Card 2021作为人工智能在心血管成像中的成功应用案例引用，以及IEEE T PAMI、Circulation和多个Nature子刊等引用。2022年入选斯坦福大学发布全球顶尖科学家 “终身”和“年度”科学影响力榜单；曾提名MICCAI协会青年科学家奖。担任国际学术组织MICCAI协会的理事，担任包括三个中科院一区期刊等多个国际期刊的编委。