报 告 题 目：医学图像分割中的域适应与泛化问题研究
主 讲 人：王 国 泰
单 位：电子科技大学
时 间：10月14日14:00
腾 讯 ID: 791-911-852
摘 要：
深度学习技术在医学图像分割方面取得了显著的进步，然而由于不同设备、不同病人群体和不同成像参数等因素，深度学习在处理新的数据域的图像时常常面临性能的大幅度下降。为了达到临床可用水平，提高深度学习模型的跨中心、跨模态的适应与泛化能力是亟待解决的问题。报告人分别介绍其近期针对图像的自动和半自动分割问题设计的域适应和域泛化模型。首先介绍一种基于图像生成和伪标签学习的域适应方法用于听神经瘤的分割；然后介绍一种基于域组合的方法提高模型的泛化性，该方法将一个数据域中的特征表示成一组已知数据域中特征的线性组合，自动学习组合系数，从而使模型可以处理来自一个新的数据域（测试集）的图像。最后介绍两种可泛化的高效交互式图像分割方法，该方法在单个器官的图像上进行训练后，即可用于不同模态中的多种其他类型的器官的快速分割。
简 介：
王国泰，电子科技大学副教授。2011年取得上海交通大学生物医学工程和智能科学与技术双学位，2018年取得伦敦大学学院（UCL）博士学位，2020年入选四川省海外高层次人才。主要从事医学图像计算、人工智能与计算机视觉方面的研究,在领域顶级期刊及会议IEEE TPAMI、IEEE TMI、Medical Image Analysis, NeuroImage、MICCAI、AAAI等发表高水平论文30余篇，谷歌学术引用量5200余次，单篇最高被引500余次,6篇论文入选ESI高被引。指导学生多次在MICCAI的医学图像分割挑战赛中获得国际冠军、亚军。被IEEE TMI和 Medical Image Analysis评为杰出审稿人，2021年担任MICCAI和 ISBI Area Chair，2022年担任Medical Physics 期刊Associate Editor、Medical Image Analysis期刊Guest Editor。
