主講人：李繼雲

主講人簡介🍳🪲：

計算機科學與技術，教授。中國計算機學會分布式與並行計算專委會委員🧑🏿‍🍼，中國人工智能與人工心理委員會委員♋️，中國圖形圖像學會會員。主持完成上海市科技攻關項目《基於人工智能的醫學影像報告文本結構化及影像關聯》等智慧醫療相關省部級項目四項📰，企業委托項目《在線智能倉儲》等多項；作為主要研究人員參與國家自然科學基金項目《網絡知識互聯結構自主發育模型研究》等和上海市科技攻關項目多項。在Psychological Review，Expert Syst. Appl.等人工智能領域主要SCI期刊和CCF推薦會議上發表論文多篇🙅。

ECAPA-TDNN: A Model Based on Spontaneous Speech for MCI Detection

講座摘要：輕度認知障礙(MCI)是阿爾茨海默病(AD)的早期階段🤵🏽。利用語音信號診斷 MCI 具有成本低、效率高的優點↗️。我們提出了一種以 ECAPA-TDNN 為特征提取網絡的兩階段 MCI 識別模型。為了解決從語音中提取 AD 相關特征這一具有挑戰性的任務🧚🏼，在特征提取網絡中引入了一維壓縮激勵(SE)塊。該模塊自適應地重新加權輸入特征，以強調那些對任務有重大貢獻的特征，同時抑製不相關或冗余的特征🚴🏿。在以患者的漢語自發語音數據集上，模型對 AD 和 MCI 的識別準確率分別達到94.29% 和85.84%，具有潛在的臨床應用價值👰🏼。

CE-UDA：A Cross-Modal Domain Adaptation Model for Cochlea and Vestibular Schwannoma Segmentation Based on Contour Enhancement

講座摘要🫗：前庭神經鞘瘤(VS)的診斷和治療中🧔‍♀️💷，準確地識別和分割前庭神經鞘是至關重要的🔞。高分辨率 T2加權(hrT2)成像比常用的增強 T1(ceT1)成像更安全，更便宜🤦🏻‍♂️，並提供更詳細的軟組織診斷信息。然而，獲取像素級 hrT2專家註釋數據成本高、耗時，限製了其數據可用性。為此，我們提出了一種無監督域自適應模型 CE-UDA，並針對 ceT1和 hrT2的不同成像特征設計了輪廓增強模塊(CEM)🧎‍♂️，以進行結構邊界增強並最終生成高質量的偽 hrT2圖像。在 CrossMoDA2022數據集上驗證的實驗表明，CE-UDA 顯著提高了 ceT1到 hrT2域適應任務中偽 hrT2圖像的翻譯質量，從而提高了下遊任務的分割性能。

時間🍶👳🏻‍♀️：10月29日下午13：30

地點：1號沐鸣樓140