2021年6月5日至6日，首届国际人工智能学会议(CAAI International Conference on Artificial Intelligence 2021, CICAI 2021) 在中国杭州成功召开。本届会议由中国人工智能学会 (CAAI) 主办，该学术会议旨在搭建国际学术交流平台，为全国科研人员提供跨学科、跨领域、跨地区的机会，增强学术交流和产业交流的深度与广度，激发新思想、培育新力量、落实新思想、融入新格局、参与新时代。

6月6日，会议日程主要分为三个环节，包含专家主题报告、口头论文报告、海报展示。上午举办的开幕仪式上，CAAI理事长戴琼海院士为大会首先致辞：“发起和组织首届国际人工智能会议的初衷是打造一个国际性的学术交流平台，推动人工智能技术的世界性普惠”。大会还特邀了CAAI名誉理事长李德毅院士、CAAI名誉副理事长沈向洋教授、北京通用人工智能研究院院长朱松纯教授、清华大学史元春教授、朱文武教授等专家学者参加了本次会议。

我所研究生陈昌足基于新冠肺炎（COVID-19）疫情的全球传播严重威胁全球公共卫生安全的现状，通过研究图像平滑和残差神经网络，提出面向CT图像的新冠肺炎辅助诊断模型和CT图像质量提升方法（即Classification of COVID-19 in CT Scans using Image Smoothing and Improved Deep Residual Network）。该研究创新地使用了双线性插值算法的图像平滑方法，并提出了一种改进的ResNet结构，通过优化输入杆和下采样部分的结构，提高了模型特征提取和融合的能力。所提出的方法能够有效地提升COVID-19辅助诊断模型准确性，促进临床辅助诊断应用。经过大量实验分析，证明了该方案的有效性。在场的专家学者颇感兴趣，并与陈昌足就方法的实现细节进行了进一步的探讨，该方案得到了大家的广泛认可，并获得CICAI 2021最佳论文。

同时，我所研究生罗珍珍展示并讲解了基于旋转不变局部二值模式和灰度共生矩阵的时频分析脑电信号分类方法（EEG signals classification in time-frequency images by fusing rotation-invariant local binary pattern and gray level co-occurrence matrix features）。面对复杂且非平稳的癫痫脑电信号，仅仅依靠医生视觉检查极易导致误诊漏诊现象频发，且加重医生负担。为了解决上述问题，本研究创新地提出了基于时频图像提取局部和全局特征，利用二进制粒子群优化算法选择有效特征并优化支持向量机的超参数，进而获得最优分类模型，该分类模型在一定程度上可以辅助医生快速且准确地进行癫痫诊断。会上，罗珍珍与在场专家学者交流学习并进一步探讨模型细节，该方案获得了大家广泛的认可。

在此基础上，通过口头报告和海报展览分别展示了新冠肺炎和癫痫疾病智能辅助诊断方法，本所也将在其他疾病辅助诊断领域继续开发新思路，并结合前沿技术开拓创新，将新思路和新方法在高质量学术期刊、会议中与专家学者进行交流研讨。