主讲人：陈昭

主讲人简介：陈昭，太阳集团tcy8722副教授，复旦大学电路与系统专业博士，主要从事图像处理、机器学习研究，主攻多/高光谱遥感图像处理、数字病理图像分析，在相关期刊会议（IEEE TGRS, IEEE JSTARS, IEEE GRSL, IEEE JBHI, IGARSS, MICCAI, ICCV, ECCV等）发表40余篇论文，主持3项省部级以上项目，入选2018年上海市教委“晨光计划”。

讲座摘要：随着显微成像和数字扫描技术的发展，数字显微图像开始在医学教育和病理诊断等相关领域发挥重要作用。与此同时，先进的模式识别和机器学习技术可用于细胞检测、病灶识别等任务，提高数字显微图像分析的精确度和自动化程度。然而，现有深度学习方法多采用全监督学习模式，其成效有赖于专家标注的精度以及训练集的容量和信息量。勾勒细胞组织轮廓的工作量较大，病理专家精力有限，使得精准标注严重稀缺。源源不断产生的数字显微图像往往包含大量未知特征，难以被有限的训练集所涵盖，无法通过训练和测试分离的全监督模型进行表达。这些因素制约了传统深度学习模型在新数据上的判别能力。为了解决以上问题，本研究提出多种新型的数字病理图像分析理论和方法，采用无监督、半监督、弱监督的学习模式，有效利用稀少的人工标注对大量的无标记数据进行特征表达，并结合图学习、张量图学习，增强模型的泛化性，以提取多样化的细胞组织结构和特性，从而改善数字图像分析算法在肿瘤细胞检测和癌巢分割的应用效果。

时间：10月25日12:30  

地点：腾讯会议515-352-086