报告题目：基于低标注成本的医学图像分割技术研究

报告摘要

深度学习技术在医学图像分割方面取得了显著的进步，并在某些应用中通过在海量的带标注数据上的训练可达到人类水平。然而由于医学图像体量大、对比度低、标注需要专业知识等因素，医学图像分割任务中的标注十分费时且成本高昂，使得高效标注和低标注成本的训练方法成为一个重要的研究方向。本讲座中将首先介绍课题组开发的两种高效的交互式标注方法，然后分别介绍我们近两年提出的基于半监督、弱监督、域适应学习和噪声标签学习等方法的图像分割技术。这些方法可大大减少医学图像分割模型的标注成本，从而有利于深度学习模型的快速开发和推广应用。

嘉宾简介

王国泰，电子科技大学副教授。2011年取得上海交通大学生物医学工程和智能科学与技术双学位，2018年取得伦敦大学学院（UCL）博士学位，2020年入选四川省海外高层次人才。主要从事医学图像计算、人工智能与计算机视觉方面的研究,在领域顶级期刊及会议IEEE TPAMI、IEEE TMI、Medical Image Analysis, NeuroImage、MICCAI、AAAI等发表高水平论文30余篇，谷歌学术引用量4800余次，单篇最高被引500余次, 6篇论文入选ESI高被引。指导学生多次在MICCAI的医学图像分割挑战赛中获得国际冠军、亚军。被IEEE TMI和 Medical Image Analysis评为杰出审稿人，2021年担任MICCAI和 ISBI Area Chair，2022年担任Medical Physics 期刊Associate Editor、Medical Image Analysis期刊Guest Editor。

特别感谢本次Webinar主要组织者：

赵世杰（西北工业大学）