会议程序

嘉宾简介：郑国焱，瑞士伯尔尼大学博士，上海交通大学长聘正教授、博导、上海交通大学附属瑞金医院“广慈”教授。现担任上海交通大学医疗机器人研究院副院长、机器人视觉和影像引导研究中心主任，领域为智能诊疗技术。自 2019 年 1 月加入上海交通大学以来，主持国家自然科学基金 （联合基金）重点支持项目 1 项、科技部国家重点研发课题 1 项、上海市科委“科技创新行动计划”高新技术领域重大课题 1 项。相关科研成果发表在计算机视觉及医学图像计算和计算机辅助治疗方面的国际顶级会议 CVPR，MICCAI 及国际著名期刊 IEEE TPAMI, IEEE TMI，Medical Image Analysis, Nature Communications，Pattern Recognition 等杂志上。已发表国际期刊 SCI 论文 139 篇，Google 引用次数超过 7200 次。获得 8 项欧洲和美国发明专利授权，2 项中国发明专利授权，在 Springer和 Elsevier 出版编著 3 部。2021 年和 2022 年连续两年被 IEEE TMI 杂志评为 Distinguished Reviewer，获得 2019 年全球医疗机器人创新设计大赛 一等奖（第一名）、ICIAR’18，CAOS’18，MLMI’17 和 CAOS’06 等国际会议最佳论文奖、Journal of Laryngology and Otology 杂志 2012 年最佳基础论文奖和 2009 年 Ypsomed 创新研发大奖等国际性奖励。于2018.02-2022.02 担 任 国 际 医 学 图 像 计 算 和 计 算 机 辅 助 治 疗 学 会（MICCAI Society）理事会成员。现为国际著名期刊 IEEE Transactions on Biomedical Engineering (IEEE TBME), IEEE Journal of Biomedical and Health Informatics (IEEE JBHI),和 Computerized Medical Imaging and Graphics 副主编（Associate Editor）。

报告题目：Label-efficient Deep Learning for Medical Image Segmentation and Diagnosis

报告摘要：The past few years witnessed remarkable progress in computer vision and medical image analysis due to the increasing availability of data and the rapid development of deep learning techniques. Deep learning-based methods, such as convolutional neural networks, are excellent at learning from large amounts of data, but can be poor at generalizing learned knowledge to new datasets that differ from the training data, which hinders the effective deployment of deep learning models to clinical settings. Additionally, fine-labelled medical image data are hard to find and manually annotating pixel-/voxel-wise labels is time consuming, tedious, requirement of medical expertise and thus expensive. Consequently, the application of fully-supervised deep learning model for medical image segmentation is severely limited. In this talk, I will discuss our recent work on label-efficient deep learning for medical image segmentation and diagnosis. Applications to abdominal, cardiac and musculoskeletal image computing will be presented.

嘉宾简介：丛杨，中国科学院沈阳自动化所研究员，国家杰青，博士生导师。担任机器人学国家重点实验室主任助理、辽宁省机器智能重点实验室主任。主要从事机器人视觉、机器学习、医学影像分析、大数据处理、机器人伺服等研究。担任中国图象图形学会理事，中国自动化学会青年工作委员会副主任等职务。2009年起至2011年，先后在新加坡国立（NUS）和南洋理工大学（NTU）从事研究工作，2014年在美国罗切斯特大学访问。先后主持国家重点研发计划项目、国家自然科学基金仪器专项、杰青、优青、重点、中科院课题多项。获得辽宁省自然科学一等奖（1/5）、中国自动化学会自然科学奖一等奖（1/4）、中国自动化学会青年科学家奖、辽宁省青年科技奖、辽宁省自然科学成果特等奖1项（排名1）、中国科学院青年创新促进会优秀会员、辽宁省“百千万人才工程”、辽宁省“兴辽英才计划”青年拔尖人才。目前已在国内外期刊和会议上发表80余篇文章，参与出版Springer 专著一部，申请国家发明专利16项、软件授权7项。目前，担任IEEE汇刊、《自动化学报》等国内外知名期刊的编委。

报告题目：AI在机器人化辅助医疗诊断及导航中的进展

报告摘要：机器人化辅助诊断和治疗技术是未来智慧医学发展的必然趋势，同时也是医工交叉的热点和焦点领域。利用AI技术（如计算机视觉、机器学习），可提高医疗机器人感知和认知能力，及自主作业水平。本报告重点关注AI在机器人化辅助医疗中涉及的两大应用领域，即计算机辅助诊断和视觉辅助导航，介绍国内外前沿进展，并结合机器人学国家重点实验室的研究背景介绍相关工作基础，最后对AI在未来机器人化辅助医疗中需要突破的若干科学问题做一展望。

嘉宾简介：邱士军，教授，博导。现任广州中医药大学第一附属医院影像科主任、第一临床医学院影像教研室主任，广州中医药大学临床医学一级学科带头人、广州市重大脑疾病早期影像诊断与临床转化重点实验室主任；兼任中华医学会放射学会神经专委会委员、中国医师协会放射医师分会全国委员、中国医学装备协会磁共振应用专业委员会委员、广东省医学会放射学会副主任委员、广东省医师协会放射医师分会副主任委员、广东省医院协会影像管理专业委员会副主任委员、国家科技进步奖评审专家、国家自然科学基金评审专家。从事教学工作至今30多年，主持国家自然科学基金国际合作重点项目1项，国家自然科学基金重大研究计划1项，国家自然科学基金面上项目5项。作为第一完成人获广东省科学技术进步一等奖1项、教育部高等学校科学研究优秀成果科学技术进步二等奖1项、广州市重大脑疾病早期诊断与临床转化重点实验室平台1项。在Human Brain Mapping、NeuroImage: Clinical、Frontiers in Neuroscience等国内外专业期刊上发表科研论文100余篇，副主编及参编医学影像学专著和教材10余部。培养博士后、博士及硕士70多名，获南粤优秀教师、教学名师等荣誉称号。

报告题目：人工智能和医疗大数据在神经影像中的应用

报告摘要：当今，我们处于信息变革的时代，医学大数据也在不断的增长和积累，平均每73天，医学数据就会增长一倍。因此，基于医疗大数据的人工智能医疗必将辅助甚至改变传统的临床诊疗流程。从目前医学发展背景来看，人工智能、大数据等技术在医学上的应用是众势所趋。本报告将从人工智能、神经影像技术现状及趋势、认知功能障碍早期智能诊断平台以及人工智能医疗未来的发展进行汇报。

嘉宾简介：唐晓颖，约翰霍普金斯大学博士，南方科技大学助理教授、副研究员、博士生导师；深圳市海外高层次引进人才；卡内基梅隆大学电气与计算机工程系客座教授；约翰霍普金斯大学电气与计算机工程系客座教授；科技部重点研发计划课题负责人；国家自然科学基金面上项目及青年项目负责人；深圳市基础研究面上项目负责人；深圳市优秀青年基金项目负责人；MICCAI、IEEE ISBI领域主席、分会场主席;研究方向为医学图像分析、神经影像、医学AI、医学大数据等，近5年发表高水平SCI期刊论文近60篇、EI收录国际会议论文近80篇。

报告题目：基于自动增强的视网膜图像分割领域泛化

报告摘要：卷积神经网络已经被广泛运用到基于视网膜图像的人工智能辅助诊断及分析中。然而，受限于成像设备、参数、模态、质量、人群等导致的图像差异性，卷积神经网络在真实的多中心临床应用中面临鲁棒性差、泛化能力弱等问题。临床亟需有效的方式以提升视网膜图像AI辅助诊断算法的泛化性和鲁棒性。基于自动增强的领域泛化算法为视网膜图像所面临的上述问题提供了新的解决思路。本报告将针对视网膜图像分割算法的领域泛化问题进行深入探究。

嘉宾简介：许言午博士，百度智慧医疗科学家，WHO数字健康咨询委员会专家，新加坡眼科研究所客聘教授，中国科学院宁波工研院客聘研究员，IEEE高级会员，中国生物医学工程学会科技创新与产业促进工作委员会委员，全国智能眼科分会常委。自2004年起，他持续从事计算机视觉、机器学习理论及其应用研究，共发表了150余篇国际期刊及会议论文，谷歌引用5600余次，申请国际专利20多件和中国专利70多件。他目前担任医疗影像顶会MICCAI和IPMI组委，Springer Nature旗下Medical Imaging和BioMedical Engineering Online期刊编委，Frontiers in Public Health和Diagnostics期刊编委，中华医学会主办“中国科技期刊卓越行动计划”英文期刊Intelligent Medicine创刊编委，AAAI、ACPR、ACCAS等国际学术会议组委及PC委员，眼科医学影像国际会议OMIA和国际比赛平台iChallenge创始主席。他先后获聘公安部引智计划特聘专家、浙江省特聘专家、北京市特聘专家，获评MICCAI优秀审稿人、中国科协优秀审稿人、MICCAI卓越领域主席。他主持了超过2000万人民币的国家级科研项目和超过4000万人民币的横向课题，作为项目负责人成功入围工信部和国家药监局合办的第一次“AI医疗器械创新任务揭榜”。从0到1负责百度眼底AI产品获批全国首张多病种AI三类证（同时也是国内首张青光眼AI三类证）。

报告题目：两招化解医学影像应用的小数据问题

报告摘要：医学影像往往被看作是计算机视觉技术的一个领域应用，但在应用中它还存在很多独特的行业特性。在当今大数据大模型的热潮和参数竞赛中，大模型对很多医学影像应用毫无用武之地。医学影像经常遭遇小数据挑战，既包含绝对数量的少也包含有优质标注的数据少。因为患者隐私、数据安全等法规要求，以及疾病的长尾分布的特性，疾病样本图片的获取本身就很难，成本也很高。另一方面，疾病的准确鉴别往往需要专家综合多方面信息才能确定，需要消耗大量的时间和费用，并且专家间的一致性往往也不太高。最后，因为影像设备的多样性和采集操作的差异，在广大基层使用的小品牌、低价设备上，往往难以获得好的应用效果。本讲座，从产业应用的角度出发，以眼科影像为例，详细阐述从“开源”和“节流”两个角度解决小数据问题。

嘉宾简介：何晖光，中科院自动化所研究员，博导, 中国科学院大学岗位教授，上海科技大学特聘教授，中科院青促会优秀会员，建国七十周年纪念章获得者。先后获得国家科技进步二等奖两项（分别排名第二、第三），北京市科技进步奖两项，教育部科技进步一等奖（排名第三），获中科院首届优秀博士论文奖，北京市科技新星，中科院“卢嘉锡青年人才奖”等奖项，其研究领域为人工智能，医学影像分析，脑-机接口等，其研究结果在IEEE TNNLS, IEEE TCYB, NeuroImage, MedIA等国内外核心期刊以及国际主流会议上发表文章180余篇。其是中国医学影像AI产学研联盟理事，《自动化学报》及《中国图象图形学报》编委。

嘉宾简介：陈耿，西北工业大学计算机学院教授，曾在美国北卡罗来纳州大学教堂山分校IDEA实验室以博士后身份开展研究工作三年，在阿联酋起源人工智能研究院以研究科学家身份开展研究工作两年。专注于医学影像处理和分析、人工智能和脑神经科学相关的研究工作。已发表学术论文60余篇到Medical Image Analysis、IEEE TMI、MICCAI等领域内的知名期刊和会议上，担任多个国际期刊的客座主编和国际会议的程序委员会委员，曾获MediaEval息肉分割竞赛精度指标第一名、计图开发者大会最具影响力（应用）论文奖、IEEE TMI杰出审稿人奖等。

嘉宾简介：潘永生，分别于2015年和2021年从西北工业大学计算机学院获得计算机科学与技术专业学士和博士学位，期间曾于2017-2020年在美国北卡来罗纳大学教堂山分校放射系影像分析中心进行联合培养，目前在上海科技大学生物医学工程学院沈定刚教授团队从事博士后研究，研究方向为神经影像分析与智能计算，在IEEE-TPAMI、IEEE-TMI、IEEE-TIP、MICCAI等本领域顶级期刊/会议发表论文12篇，在ISBI 2019 CNM-C等5项国际学科竞赛中获得冠亚季军，为IEEE会员、多个国际级期刊的审稿人，先后入选上海脑科学与类脑研究中心“求索杰出青年计划（博士后）”项目，中国博管会“博士后创新人才支持计划”项目和上海市“超级博士后”项目。