12月6日下午，應我校電子信息與人工智能學院和研究生院邀請，西北工業(yè)大學計算機學院夏勇教授做客我?！拔囱雽熣搲保趯嶒灅?A-206電智學院報告廳做了題為“醫(yī)學影像小樣本學習——從預訓練到大模型”的學術報告。報告由電智學院院長助理孫連山、計算機系主任陳景霞教授主持，學院相關學科的教師和研究生聆聽了此次報告。
近年來，以深度學習為代表的人工智能技術在醫(yī)學影像分析領域受到了廣泛關注和深入研究。深度學習是數據驅動的模型，它依賴于使用海量具有準確標注的訓練數據。然而由于數據采集代價高、數據共享限制多、罕見病數據少等多方面的因素，醫(yī)學圖像數據通常較為稀缺且標注代價高昂。因此，預訓練技術成為醫(yī)學影像智能分析領域研究的一個熱點和難點。
夏勇教授圍繞醫(yī)學影像學習的模型預訓練技術，從數據標注、數據維度、模型能力、大模型應用等角度介紹了團隊目前的一些科研工作和成果，重點分享了使用動態(tài)卷積（DoDNet）對網絡參數進行優(yōu)化、引入參考任務（Ref-SSL）增強自監(jiān)督學習效果、通過提示學習（Propt Learning）獲取動態(tài)任務編碼、基于Transformer模型進行多任務聯(lián)合預訓練及多模態(tài)融合等新的研究思路和方法。最后夏教授介紹了ChatGPT等大模型技術在醫(yī)學影像分析領域的典型應用，就大模型技術帶來的機遇和挑戰(zhàn)提出了自己的見解。
報告會后，夏勇教授與參會人員就大模型是否會取代傳統(tǒng)模型、如何在實驗中更好得應用殘差模塊提高模型效果等問題進行了交流和討論。
新聞小貼士：
夏勇，西北工業(yè)大學計算機學院教授、空天地海一體化大數據應用技術國家工程實驗室成員。研究方向為醫(yī)學影像智能計算，近5年在JAMA Network Open、Radiology、IEEE-TPAMI/TMI/TIP、MedIA、NeurIPS、CVPR、ECCV、MICCAI、IJCAI發(fā)表論文70余篇，被引用一萬余次（Google Scholar），先后在BraTS2020、KiTS21、KiPA22、SegRap2023等10余項國際學科競賽中獲得前三名；擔任中國體視學學會理事、中國計算機學會數字醫(yī)學分會常委、中國圖像圖形學學會視覺大數據專委會常委、陜西省計算機學會人工智能專委會主任，曾擔任IBSI2017、MICCAI2019/2020、ICASSP2023等學術會議地區(qū)主席或分會主席。
（核稿：孫連山 編輯：劉倩）
陜公網安備 61011202000334號
