时间：2023年11月17日上午9：00-11：30

地点：信息学院2号楼行知学术报告厅

报告人：Jayaram K. Udupa。Udupa教授是美国宾夕法尼亚大学医学院放射科学系教授，医学图像处理部门主任，IEEE终身会士，美国医学和生物工程院会士（AIMBE）。自1978年起，Udupa教授在医学图像处理，3D医学图像可视化和医学图像分析等方面提出了诸多基本原理和算法，并开发了一系列大型开源软件系统，相关成果广泛应用于全身医学图像分析领域。在过去的45年间，Udupa教授在临床医学应用领域作出了大量突出贡献。Udupa教授开发了世界上第一个3D图像处理和可视化软件包（3DVIEWNIX和CAVASS是目前的最新版本），从"开源"这个术语被创造之前的1980年开始，相关软件和源代码就被广泛分发和使用。1982年，Udupa教授与诺贝尔奖获得者保罗·劳特伯（核磁共振成像技术之父）一起发表了第一篇关于核磁共振图像处理的论文。自2010年起，Udupa教授开发了一种全身解剖结构模糊建模技术：automatic anatomy recognition (AAR)，该技术将自然智能与人工智能协同结合，产生一种混合智能方法，实现在身体各个区域、疾病不同阶段和多种设备模态的图像中对身体器官等各类解剖结构进行有效分割。目前，Udupa教授Google学术总引用次数为26000，h-指数为79，i-10指数为286。Udupa教授培养博士、出站博士后累计约85人。

内容简介：随着深度学习技术的出现和快速发展，医学图像分析技术正在经历一场变革。医学领域的图像分析与其他领域相比有两个独特之处。（1）医学图像由解剖结构构成，解剖结构在个体间具有相似性。而在一般图像中，通常没有此类相似的"解剖结构"。利用医学图像中的解剖结构相似性，可以极大简化深度学习模型，并显著提升模型的准确性、效率、鲁棒性和通用性。（2）由于人类数百年来在医学领域积累的专业知识，人类专家（自然智能）在全局任务（如在给定图像中把握整体解剖结构、识别目标等）方面比人工智能方法的表现更加准确。

信息科学与工程学院（软件学院）

2023年11月13日