返回首页
登录

人工智能的典型应用--王文剑、强彦和夏勇将作特邀报告(活动预告)

阅读量:306 2022-05-30 收藏本文

分部:太原

主题:人工智能的几个典型应用

形式:小型技术交流/讲座

日期:2022/5/31

地点:太原理工大学

联系人:强彦

联系Email:27420265@qq.com

CCF太原将于2022年5月31日下午通过在线会议形式举办“人工智能的几个典型应用”报告会,山西大学计算机与信息技术学院院长王文剑教授、太原理工大学信息与计算机学院副院长强彦教授和西北工业大学计算机学院长聘教授夏勇教授作特邀报告。

报告人

单位、职称

报告主题

报告时间

报告形式

备注

王文剑

山西大学计算机与信息技术学院教授、博导、院长

基于分布特征的流数据挖掘

2022531日(星期1430-1530

线上,腾讯会议

会议号:119329045

强彦

太原理工大学信息与计算机学院副院长、教授、博士生导师

图像智能处理方法在中医中的应用与挑战

2022531日(星期1530-1630

线上,腾讯会议

会议号:119329045

夏勇

西北工业大学计算机学院博士生导师、长聘教授

医学影像分析中的标注偏差问题

2022531日(星期1900-2100

线上,腾讯会议

会议号:805780762


报告一

报告主题:基于分布特征的流数据挖掘

报告专家:王文剑,山西大学计算机与信息技术学院教授、博导、院长。先后入选教育部新世纪优秀人才、山西省“三晋英才”拔尖骨干人才、山西省学术技术带头人、山西省青年学术带头人。担任中国人工智能学会理事、机器学习专委会常务委员、知识工程与分布智能专委会常务委员,中国计算机学会人工智能与模式识别专委会委员、中国计算机学会太原分部执行委员会副主席、ACM太原分会副主席。近年来主要从事人工智能、机器学习与数据挖掘等方面的研究,先后主持国家自然科学基金项目7项(其中重点项目1项、重点项目课题1项)、省部级项目及企事业委托项目20余项。在JMLRTKDETSCPRIJCAI、中国科学、软件学报、计算机研究与发展等国内外学术期刊和会议发表学术论文250余篇。作为主要完成人获山西省自然科学一等奖2项、科技进步二等奖1项。

报告摘要:流数据作为大数据的重要来源,有广泛的应用背景。目前针对流数据挖掘的相关理论、方法和技术还不够完善,特别是流数据中不可避免存在的概念漂移和异常数据等会导致其分布发生偏差,给可靠建模带来极大的困难,影响流数据的分析挖掘效果。本报告针对概念漂移的真伪检测和类别检测,以及时序数据的相关性分析进行探索。


报告二

报告主题:图像智能处理方法在中医中的应用与挑战

报告专家:强彦,太原理工大学信息与计算机学院副院长。工学博士,教授,博士生导师,研究方向主要为大数据处理、云计算、医学图像处理等。任中国计算机学会理事,中国计算机学会杰出会员,中国计算机学会人机交互专业委员会常委,中国计算机学会虚拟现实专业委员会常委,教育部工程教育认证评审专家,山西省计算机类教学指导委员会委员,中国大学生计算机大赛、中国大学生服务外包大赛总决赛评委,山西省“五一劳动奖章”获得者,被评为山西省“三晋英才”拔尖骨干人才 ,主讲课程获国家级精品视频公开课称号,主讲课程《人工智能》被评为省级一流课程,获山西省教学成果奖一等奖一项,获山西省自然科学二等奖一项,科技进步三等奖一项,发表论文一百余篇,其中高被引论文一篇,拥有国家授权发明专利19项,出版教材专著30余本。

报告摘要:计算机视觉与人工智能技术的不断完善,为中医药的信息化、数字化、标准化发展与推广提供了重要的支持手段。本报告针对图像处理技术在中医领域的应用探索和研究进展进行讨论。首先,从图像处理技术的发展与应用出发,理清了该技术在中医图像处理领域的主要研究与应用方向,落脚于中医望诊、中药材鉴别以及数字经络三维重建及可视化3个模块,并对模块内各种研究子类进行总结,展示传统与深度学习算法在中医图像处理领域的优缺点以及面临的问题和挑战。其次,总结中医图像智能处理领域现阶段面临的主要问题,并对未来的研究方向做出了展望。基于计算机图像处理技术的中医智能图像处理与分析虽然取得了一系列有意义的研究成果,但还需要根据临床的实际需求,整理出一套统一的、标准的、标签完善的中医图像数据集,将人工智能与经典的数字图像处理算法及无创并且高效的多模态中医四诊数据结合起来,真正实现中医诊疗技术的信息化与智能化。


报告三

报告主题:医学影像分析中的标注偏差问题

报告专家:夏勇,西北工业大学计算机学院博导、长聘教授,研究方向为医学影像智能计算,致力于研究解决医学影像分析问题的深度学习技术,近三年在IEEE-TPAMI/TMI/TIPMedIANeurIPSCVPRIJCAIMICCAI等本领域顶级期刊/会议发表学术论文40余篇,论文被引用5600余次(Google Scholar),先后在ISBI 2019 C-NMCPROMISE12BraTS2020/2021MyoPS 2020COVID-19 2020KiTS21等国际学科竞赛中名列前茅;先后担任MICCAI 2019地区主席和MICCAI 2020分会主席等。


报告摘要:深度学习技术的出现使得图像分类、分割、检测等领域都有了长足的进展。深度学习是数据驱动的模型,它依赖于训练数据的准确标注。然而人类标注不可避免的会出现偏差,深度学习模型可能会学习、甚至放大这种数据标注中的偏差。在医学影像分析领域,这个问题更为明显。由于受到成像质量或模糊的组织病灶等客观因素影响和医生的认知和经验等主观偏差影响,医学影像的标注很难做到所谓的“精确”,这导致标注的不确定性成为医学影像分析中不可忽视的问题。本报告将围绕医学影像分析中的病灶检测、分类和分割问题,介绍报告人在含有标注偏差的医学影像上进行深度学习研究工作,同时也将分析这一领域面临的机遇与挑战。  





执行主席:赵涓涓 太原理工大学

                  马晓慧 山西工程科技职业大学