CCF济南｜《智能科学交叉研究》论坛

2022年12月30日，由CCF济南承办的《智能科学交叉研究》技术论坛（活动编号：CCF-22-CHJN-6F）以线上形式举行。本次论坛围绕人工智能与图像图形、医学影像等领域交叉研究前沿成果及其应用的研讨，为相关领域的学者及产业人员提供思想碰撞和学术交流的平台，促进学科间的跨界交流，开拓新的合作研究和应用方向。CCF济南主席、山东大学软件学院院长崔立真教授，CCF济南秘书长、山东大学软件学院孔兰菊副教授，中国科学院微电子研究所高兴宇研究员，南京理工大学周涛教授，聊城大学乔立山教授，澳大利亚迪肯大学鲁学权副教授等出席了本次论坛。本次论坛采用线上的方式，超过200人共同参加本次论坛。

中国科学院微电子研究所高兴宇研究员以《Sparse Online Learning with Application to Image Retrieval》为题，首次对稀疏在线学习及其在图像检索中的应用进行了简要介绍；其次详细分析了稀疏字典学习、图像相似度度量方法等相关技术，并对这两种技术的研究现状，技术方案和实验进展进行了详细的说明；最后对未来的发展方向进行了展望。

南京理工大学周涛教授以《智能医学图像分割算法与挑战》为主题展开医学图像分割方法的分析和讨论。首先介绍了医学图像分割领域的研究背景、存在的挑战以及几种经典的分割模型。然后针对感染区域与正常组织之间的低对比度问题以及样本标注稀缺的挑战，介绍一种基于反向注意力模型的新冠肺炎感染区域分割算法。最后，针对如何有效地融合多模态数据以及提高模型的泛化性，介绍一种基于自监督学习的多模态脑肿瘤分割算法。在各种优势技术的共性分析下，给出了隐蔽目标检测方法在医学图像分割中的前沿应用。

聊城大学乔立山教授以《Towards Learning Better Brain Functional Graphs from fMRI Data》为题，针对大脑这一最复杂的生物信息系统，首先简单介绍大脑及其功能影像或数据的相关背景，然后详细回顾了数据驱动的图学习方法，最后以个人研究的几个经典工作为例，介绍了图学习方法在脑功能数据分析中的应用，让参会老师和同学对该领域问题有了系统深入的认识。

澳大利亚迪肯大学鲁学权副教授以《Pointfilter: Point Cloud Filtering via Encoder-Decoder Modeling》为主题，报告首先分析了点云数据中存在的噪声干扰问题和对尖锐特征保留不明显的问题；接着介绍了关于处理点云数据中噪声问题的相关工作；然后介绍了一种基于encoder-decoder结构的点云过滤模型，该模型能够准确重定位噪声数据位置的同时，还很好的保留了尖锐特征。最后将对点云数据的处理结果进行了可视化展示，从多方面证明了该方法的有效性。

基于AI的智能科学交叉研究经历近几年的飞速发展，人工智能、大数据等技术不断赋能智能科学交叉研究领域。本次技术论坛致力于展现目前面向智能科学交叉研究的最前沿技术、挑战及发展趋势，为更加精准地推动学科交叉研究发展布局提供借鉴，也为相关人员提供了一次难得的学习和交流的机会。