[#19-05] MICS在线学术讲座：许燕 – 医学图像计算青年研讨会

嘉宾	许燕（北京航空航天大学）
时间	2019年04月09日（星期二）下午20:00（北京时间）
题目	弱监督学习和无监督学习在医学图像中的探索
主持	何宏建（浙江大学）

报告摘要
人工智能模型需要标注大量的数据，能够标注医学图像数据的专家又非常稀缺，标注成本很高。弱监督学习由于不需要细粒度标注，极大降低了医学图像的标注成本，针对每个病人，医生标注时间从传统算法所需要的若干小时降低到秒这个数量级。无监督学习，可以不借助任何标注数据直接从样本中学习大量有效的规律，也成为近年医疗图像的热点问题。弱监督学习和无监督学习，能大大克服人工智能算法需要大量医生高成本标注的缺陷。报告围绕着上述内容，探讨在医学图像中的应用，提高现有医疗数据的临床应用价值。

Bo Hu, Ye Tang, Eric I-Chao Chang, Yubo Fan, Maode Lai, Yan Xu. Unsupervised learning for cell-level visual representation in histopathology images with generative adversarial networks. IEEE Journal of Biomedical and Health Informatics 2018.
Zhipeng Jia, Xingyi Huang, Eric I-Chao Chang and Yan Xu. Constrained deep weak supervision for histopathology image segmentation. IEEE Transactions on Medical Imaging. 2017, 36(11): 2376-2388.
Yan Xu, Jun-Yan Zhu, Eric I-Chao Chang, Maode Lai, Zhuowen Tu. Weakly supervised histopathology cancer image segmentation and classification. Medical Image Analysis, 2014, 1(15): 591-604.

嘉宾简介
许燕，北京航空航天大学生物与医学工程学院副教授。获得“北京市青年英才”、北京航空航天大学“蓝天新秀”和微软亚洲研究院“铸星计划”等荣誉，同时也是微软亚洲研究院的访问研究员。担任中国生物医学工程学院人工智能分会青年委员；中华医学会病理学分会第十二届委员会数字病理与人工智能工作委员会特邀委员。在TMI，MIA，TBME，JAMIA，TPAMI等本领域权威期刊在内的重要期刊上共发表SCI论文30多篇，谷歌学术总引用1000多次，H指数18。研究方向包括人工智能，深度学习，机器学习和医疗大数据，尤其擅长精准医疗方面的研究。在医疗大数据研究方面处于国际前沿水平，针对以GB或TB为计数单位医疗大数据的并行计算方面有很深入的研究，提出了弱监督的机器学习算法，利用很少的人工资源，解决大数据难以标记的任务。以责任人身份负责多项政府、业界资助的项目。资助单位包括国家自然科学基金，北京市自然科学基金，深圳市自然科学基金以及微软亚洲研究院的项目等。

特别鸣谢本次Webinar主要组织者：
MICS Webinar责任委员：何宏建（浙江大学）

活动须知

1. MICS在线学术讲座依托在线直播平台进行，听众请点击直播链接https://live.polyv.cn/watch/298116（注：该链接为04月09日报告链接，该链接每期会和讲者信息一起更新）参加活动，支持安装Windows系统的电脑、MAC电脑、手机等设备；手机客户端也可直接扫描二维码进入直播；

手机客户端可直接扫描二维码进入04月09日直播

2. 活动开始前5分钟左右，讲者会开启直播，活动时讲者会上传PPT或共享屏幕，听众可以看到Slides，听到讲者的语音，并通过聊天功能与讲者交互；

3. 活动过程中，请不要说无关话语，以免影响活动正常进行；活动过程中，如出现听不到或看不到视频等问题，建议退出再重新进入，一般都能解决问题；建议通过速度较快的网络参加活动，优先采用有线网络连接;活动过程中，请不要说无关话语，以免影响活动正常进行；

4. 后续每期讲座信息，会通过MICS微信公众号“医学图像计算青年研讨会”（扫描下方二维码关注MICS微信公众号）或MICS QQ群（群号：641894878）进行通知（注：申请加入MICS QQ群时需验证姓名、单位和身份，缺一不可；入群后，请实名，姓名身份单位；身份：学校及科研单位人员T，企业研发I，博士D，硕士M）。