报告题目：Towards Annotation-Efficient and Generalizable AI-Powered Medical Image Analysis

报告摘要

随着人工智能的发展，越来越多的医学影像疾病诊断算法采用深度学习技术。然而，深度学习在医学影像分析领域存在以下两个难点问题。第一，获取大规模标注信息困难。第二，由于不同设备的医学图像差异，从而导致模型难以大规模应用等难题。在本次演讲中，我将简要分享我们通过利用大量弱标记和/或未标记的数据集进行医学图像分析，以及在疾病诊断、病变定位和分割、智能手术视频识别中的研究进展。

嘉宾简介

李小萌，博士，现任香港科技大学（HKUST）电子及计算机工程学系的助理教授。加入HKUST之前，李博士是斯坦福大学的博士后研究员。她于2019年在香港中文大学计算机科学与工程系获得博士学位。她的研究涉及人工智能和医学图像分析等跨学科领域，旨在通过机器智能推进医疗健康的发展。她发表了多篇医学图像研究论文，包括半监督学习、网络架构设计、元学习和无监督学习以及其在医学图像的应用。她的第一作者论文HDenseUNet 和面向旋转的自监督学习被选为 IEEE Transactions on Medical Imaging (TMI) 的最受欢迎文章。她赢得了多项国际肝肿瘤分割挑战赛第一名。她已发表 30 多篇高影响力期刊论文和会议论文，包括 IEEE TNNLS、IEEE TMI、MedIA、MICCAI 等。她受邀担任 Nature Methods 和 Nature Communications 的审稿人。

特别感谢本次Webinar主要组织者：

周涛（南京理工大学）