主讲人：李向宇 哈工大计算学部博士研究生
时间：2022年5月23日 9:00-10:00
地点：腾讯会议ID: 591-258-517
研究方向：医学图像分析
内容简介：
定量化分析大脑图像（CT, MRI等）已被广泛应用于表征脑部异常，如阿兹海默症、癫痫、精神分裂症、多发性硬化、癌症、感染以及退化疾病等。此外，对于脑部疾病（如脑肿瘤，脑出血等）的诊断与预后而言，准确实现异常组织的检测和分割对于诊断、手术规划、术后分析、化疗/放疗规划等至关重要，通常在临床实践上是十分重要的一个部分。人工分割固然是金标准，然而这需要对逐个切片进行单独标注，非常耗时，而且不同人由于对病变评判标准的不同而导致标注结果存在差异。因此研究自动化脑部病变分割的方法具有十分重要的意义。针对异常脑组织（如脑肿瘤）分割问题，许多专家学者在传统机器学习方法上做了大量的研究工作。然而，构建适用于特定分割任务的人工特征需要具备相当的经验，并且传统的机器学习算法泛化能力不强。尽管医学图像研究者们在图像分割领域做了大量的工作，但当前方法普遍存在先验信息利用不足，样本不均衡，边界分割不佳等问题使得自动分割脑部病变仍然是一个尚未完全解决的问题。
针对上述挑战，本人分别从解决先验信息不足，解决脑部病变分割样本不均衡以及促进边界部分的分割三个角度，开展了若干研究，并取得了一定的研究成果。
（1）基于血肿扩散上下文引导的颅脑出血分割方法
（2）基于注意力机制的多分辨边界增强方法
（3）基于深度课程标签分布学习的医学图像分割方法
