主講人🏄🏿：陳昭

主講人簡介：陳昭，沐鸣注册副教授🕟，復旦大學電路與系統專業博士🤖，主要從事圖像處理、機器學習研究，主攻多/高光譜遙感圖像處理、數字病理圖像分析，在相關期刊會議（IEEE TGRS, IEEE JSTARS, IEEE GRSL, IEEE JBHI, IGARSS, MICCAI, ICCV, ECCV等）發表40余篇論文，主持3項省部級以上項目，入選2018年上海市教委“晨光計劃”。

講座摘要：隨著顯微成像和數字掃描技術的發展，數字顯微圖像開始在醫學教育和病理診斷等相關領域發揮重要作用。與此同時，先進的模式識別和機器學習技術可用於細胞檢測、病竈識別等任務，提高數字顯微圖像分析的精確度和自動化程度🍊。然而🥄，現有深度學習方法多采用全監督學習模式🍵，其成效有賴於專家標註的精度以及訓練集的容量和信息量。勾勒細胞組織輪廓的工作量較大，病理專家精力有限，使得精準標註嚴重稀缺🙇‍♀️。源源不斷產生的數字顯微圖像往往包含大量未知特征，難以被有限的訓練集所涵蓋，無法通過訓練和測試分離的全監督模型進行表達🎞。這些因素製約了傳統深度學習模型在新數據上的判別能力👬。為了解決以上問題，本研究提出多種新型的數字病理圖像分析理論和方法🎤🍇，采用無監督、半監督、弱監督的學習模式⚓️，有效利用稀少的人工標註對大量的無標記數據進行特征表達，並結合圖學習、張量圖學習，增強模型的泛化性，以提取多樣化的細胞組織結構和特性，從而改善數字圖像分析算法在腫瘤細胞檢測和癌巢分割的應用效果。

時間🌯：10月25日12:30  

地點：騰訊會議515-352-086