讲座题目：基于弱监督的可解释深度神经网络的医学图像分析
主 讲 人：石小爽
讲座时间：2024年6月14日下午2：30-4：00
讲座地点：特教C501
参加人员：电子信息与人工智能学院师生
讲座主要内容：医学图像被广泛应用于疾病的临床诊断。但是，人工检查医学图像通常是高强度、低效率、易出错的工作，如病理切片和三维影像的筛查。尽管深度神经网络被广泛的应用于医学图像分析，但是许多系统需要医生标注医学图像中大量感兴趣区域以产生大规模有标签的数据对系统进行训练，仍给医生带来了高强度的工作。此外，在临床应用中，不仅需要深度神经网络能够根据图像提供疾病的诊断结果，同时也需要深度神经网络能够提供证据以解释诊断结果，从而证明其结果的正确性和可靠性。因此，为了减少标注工作量和训练成本，我们提出了基于弱监督的可解释深度学习框架，它可以直接使用医学图像的标签进行训练而不需要额外的标注成本，同时挖掘医学图像中的重要病理特征，以提高深度神经网络的可解释性。
石小爽专家简介
石小爽，电子科技大学教授,博士生导师，国家青年特聘专家。主要研究方向为模式识别、计算机视觉、医学图像分析。致力于解决视觉图像检索和分类中的特征编码与理解的问题，针对降低大数据计算和存储成本、解释图像重要特征、特征提取的鲁棒性等关键问题进行了深入的研究，在哈希编码、注意力机制和图学习等方法的理论以及医学应用上取得了多个创新性的研究成果。近年来，累计在模式识别、计算机视觉和医学图像分析领域发表学术论文70余篇，其中TPAMI、IJCV、TIP等CCF-A类、中科院JCR-1区以及医学图像领域顶级会议发表论文40余篇（含CCF-A类、中科院JCR-1区一作和通讯作者20余篇），Google引用超过2300次。主持多项国家级科研项目，包括自然基金面上项目和科技部重点研发子课题。
主办单位：
互联网自然语言智能处理四川省高学校重点实验室
乐山人工智能现代产业学院
电子信息与人工智能学院
2024年6月7日
