主讲人：庄吓海

开始时间：2024-07-15 11:00

地点：物信学院祥联厅

报告人简介：

庄吓海，复旦大学大数据学院教授、博导，研究方向为医学影像和可解释人工智能分析等。多项第一或通讯作者工作被国际组织或顶会提名奖项（如IPMI Francois Erbsmann Prize，MICCAI Best Paper/Young Scientist Award），其中2023年的可解释医学影像分析工作获得爱思唯尔-医学影像分析期刊和国际MICCAI学会联合颁发的论文最高奖，为中国内地第一次以第一单位获此奖项；上海市自然科学二等奖（排名第一）。庄吓海近五年以第一/通讯发表中科院一区且IF>10期刊文章23篇（其中6篇IEEE TPAMI）；自2020年以来连续入选爱思唯尔-斯坦福大学发布全球顶尖科学家 “终身”和“年度”科学影响力榜单；目前担任国际MICCAI学会常务理事；担任IEEE TMI、Med Imag Anal、Neurual Networks等多个中科院一区期刊的编委。

报告内容简介：

医学影像人工智能在计算机辅助诊断和治疗等现代医学中发挥着重要的作用。然而，当前模型的弱可解释和泛化问题却是其应用和推广所面临的两大挑战：深度学习方法大多以黑盒方式构建，神经网络模型的可解释性较差；其次在涉及多模态、跨中心图像、弱无监督学习场景时其泛化能力往往受到限制。本次讲座将介绍我们近期从解决图像异质性的角度出发，提出显式建模图像特征和分布，根据属性变量依赖关系构建神经网络模块，实现主动式可解释深度学习方法。前期实验结果表明，基于显式建模的可解释神经网络能够显著提高模型的泛化能力。