【时间】：2018年1月17日 星期三   上午09:30——10:30

【地点】：东六E座2楼 beat365官方网站学术报告厅

【报告人】：郑介志博士

【报告摘要】：

深度学习在医学影像分析已取得极大的进展，这归功于深度学习技术的自动学习特征的能力以及端对端的训练模式等优点。在本报告中，我们将介绍我们团队在开发深度学习相关技术应用于肺结节临床属性分级、乳房超声解剖结构分割以及胎儿超声图像质量控制三个应用。在此三个应用中，我们结合了卷积神经网络、去噪栈式自动编码机、多任务学习、卷积编码与解码框架等技术，来解决三个应用所面临的多任务回归、图像分割与质量评估等问题。

【报告人简介】：

郑介志博士毕业于台湾大学，本科专业是计算机，硕士与博士专攻生物医学工程。郑博士先后在美国西门子研究院与美国北卡罗莱纳大学教堂山分校进行了各一年的短期研究，曾服务于展讯通信、深圳大学，目前任职于上海联影智能医疗，负责计算机辅助诊断方面的项目。郑博士的研究方向在于医学影像分析、计算机辅助诊断、模式识别与机器学习。郑博士在医学影像领域发表了40余篇科学著作，在国际著名期刊如IEEE Transactions on Medical Imaging (TMI)、Radiology、Medical Physics、Ultrasound in Medicine and Biology以及国际顶级会议如MICCAI、AAAI等都有发表相关工作。目前承担国家自然科学青年基金1项、深圳基础研究1项。深圳市海外高层次人才孔雀计划的精准医疗研究团队的核心成员，该团队获资助3000万。