报告主题：多模态学习在阿尔茨海默病诊断中的应用研究

活动时间：04月26日下午13:50

活动地点：温州大学计算机与人工智能学院5B-318会议室

主讲人简介：

周涛，南京理工大学计算机科学与工程学院教授。2016至2018年，在北卡罗来纳大学教堂山分校从事博士后研究工作。2018至2020年底，在阿联酋起源人工智能研究院作为研究科学家从事医学图像分析、机器学习等研究工作。主要研究工作包括：老年痴呆（阿尔茨海默病）的早期诊断与预测；多视图/模态学习及应用；弱病变区域（新冠肺炎感染区域、结肠息肉、隐蔽物体等）分割；胸部疾病识别与诊断等。近5年来，在国际权威期刊和会议上发表论文60余篇，主要包括IEEE TPAMI、IEEE TMI、IEEE TCYB、IEEE TNNLS、IEEE TIP、IEEE TCSVT、IEEE TMM、IEEE TBME、Medical Image Analysis、Pattern Recognition、Human Brain Mapping、CVPR、ICCV、AAAI、IJCAI、MICCAI。此外，受邀担任多个国际著名期刊（IEEE TPAMI，TMI、TNNLS、TIP、TCYB、TMM、MIA等）及顶级会议（CVPR、ICCV、ECCV、ICML、IJCAI、MICCAI等）审稿人。

讲座内容：

多模态成像技术（例如MR、PET等）以图像的方式直观、精确、全面地获取患者的数据。由于不同的模态刻画了目标的不同属性，如何利用不同模态的互补信息和一致信息并获得对目标更为全面的特征表示，这是多模态学习的主要优势之一。由于考虑到辐射、扫描成本、数据质量等因素，这将导致并不是所有的样本都有完备的多模态数据，带来“多模态缺失”问题。本报告主要针对不完备的多模态医学场景，提出多个基于多模态学习的阿尔茨海默病智能诊断算法，通过有效地融合多模态数据来改进阿尔茨海默病的早期诊断与预测性能。此外，针对模态缺失问题，本报告也介绍一种基于多模态特征融合的MR图像合成算法，有效地融合多模态信息来生成缺失模态的图像。

本次学术报告邀请各位老师和硕士生同学参加，名额有限，请大家关注后续群通知积极报名。