報告人：王珊珊 研究員 中國科學院深圳先進技術研究院
報告時間：2024年10月21日（周一）下午2:30
報告地點：bet356手机版唯一官网九龍湖校區計算機樓513室
報告摘要：醫學影像領域面臨許多技術和臨床挑戰。目前，大多數深度學習方法是為特定任務設計，往往缺乏泛化能力，并高度依賴于大規模數據集和詳細标注。這使得在臨床實踐中推廣應用面臨困難。基礎模型的核心在于其強大的泛化能力，能夠适應不同的醫學影像任務。通過預訓練和遷移學習，基礎模型可以在數據有限的情況下，依然表現出色。這為臨床醫生在不同環境下的快速應用提供了可能。本報告将介紹我們的研究工作，在快速MR成像及圖像分析的基礎模型研究中，我們的團隊專注于以下幾個方面：提升模型泛化能力，高數據保真度，減少數據依賴性。我們的研究成果表明，通過改善模型的泛化能力和數據依賴性，可以有效提升快速醫學成像及圖像分析的臨床應用效果。未來，我們将繼續探索基礎模型在更廣泛醫療場景中的應用潛力，為醫療保健帶來更多創新解決方案。
報告人簡介：王珊珊，中國科學院深圳先進技術研究院研究員、博士生導師，國家優青、吳文俊人工智能優秀青年獎獲得者、中科院青促會A類優秀會員，2022-2024入選斯坦福“全球前2%頂尖科學家”榜單。長期從事人工智能、快速醫學成像、放射組學與多模态分析等研究，在Nature子刊、IEEE Trans等發表高質量論文100餘篇；曾榮獲OCSMRM傑出研究獎、廣東省技術發明與科技進步一等獎、廣東省青年科技獎等；先後主持科技部2030新一代人工智能重大課題、NSFC聯合基金重點項目、優秀青年等國家級項目6項；擔任多個高質量SCI學術期刊的副主編/編委（如IEEE Transactions on Medical Imaging, Magnetic Resonance in Medicine, Pattern Recognition、Biomedical Signal Processing and Control等)。曾受邀在第31屆國際醫學磁共振年會給大會主題冠名報告（入選率約1/6000，英國倫敦）及美國第10屆GRC活體磁共振給大會主題報告。
