报告名称：面向临床应用的智能筛查、检测和诊断
报告时间：2022年8月17日上午9：30
腾讯会议：345-188-162
讲座人介绍
雷柏英，国家高层次人才入选者，深圳大学特聘教授，博士生导师，深圳市海外高层次人才(孔雀计划)、深圳市高层次后备级人才，深圳市孔雀团队核心成员等。获新加坡南洋理工大学博士学位，先后在美国北卡大学教堂山分校和法国计算和自动化研究所等机构进行研究和访问。主要研究方向为医学图像处理和人工智能。在ieee tmi、ieee tnnls、medical image analysis 以第一/通讯作者发表sci论文100多篇 (含1篇esi高被引)。谷歌学术总引用5090次，单篇文章最高引用356次，h指数34。获授权专利22项。主持国家自然科学基金面上项目等19项。ieee tnnls、ieee tmi、medical image analysis、neural computing & application 编委。ieee 高级会员，ieee bio imaging signal processing (bisp)和biomedical imaging and image processing (biip)技术委员会委员，医学图像顶级学术会议miccai2021、miccai2022领域主席，ieee guangzhou section, women in engineering affinity group 主席，人工智能a类会议aaai、ijcai程序委员会委员等多个学术组织委员会委员。2020年和2021年入选美国斯坦福大学发布的“全球前2%顶尖科学家”。2021年入选全球顶尖前10万科学家，2022年获“强国青年科学家”提名。
讲座内容简介
智能医学图像处理是智能医疗的重要分支，也是医疗机构、科研、产业和政府共同关注的焦点。然而，医学图像具有“样本量小”、“特征维度高”、“特征表达性差”等局限性，增加了智能医学图像处理在临床应用的难度。本报告以医学图像为切入点，基于人工智能方法，重点介绍智能筛查、智能检测和智能诊断三个方向的研究工作。1）针对超声工作流程难以标准化、标准切面提取困难、不利于疾病筛查等问题，提出将传统特征和深度特征相结合的方法，构建超声图像质量评估、分割和识别的模型，提高超声筛查效率及检测效果。2）针对临床上疾病检测耗时费力、自动化程度低等问题，提出基于深度学习的高精度智能检测模型，实现对宫颈癌、黑色素瘤、眼科疾病等的临床辅助检测。3）针对大多数脑疾病临床诊断标准模糊、主观性强、患者特异性高、个体差异性大、数据维度高等难题，结合传统机器学习和深度学习的方法，通过时空约束和纵向分析等挖掘大脑的生物标记物，实现脑疾病智能诊断。
