召集人：徐宗本（西安交通大学）、孙剑（西安交通大学）、马建华（南方医科大学）、曾薇（西安交通大学）

时间：2024.09.01-2024.09.07

日程安排

报告摘要及专家简介

（按报告时间排序）

第一部分：学术报告

1. 报告题目：基于超声人工智能技术的分级诊疗新模式 

报告摘要：本报告分两部分：超声成像新进展与基于新一代超声人工智能的国家分级诊疗新模式。第一部分首先介绍从毫米到微米跨尺度脑血管无创经颅超声的高分辨造影及灌注参量成像、超分辨脑血管与血流成像技术，以及跨尺度脑血管及血流动力学信息的分析处理和特征提取技术，最终形成经颅超声跨尺度脑血管成像样机；其次介绍心脑贴片超声无创诊治关键技术。第二部分介绍基于新一代超声人工智能技术以及超声大模型的国家“分级诊疗”新模式，着重介绍在濮阳市全域部署超声人工智能辅助诊断系统的“濮阳模式”。

报告专家：孔德兴 教授 浙江大学

浙江大学求是特聘教授、博士生导师，浙江大学应用数学研究所所长，浙江大学理学部图像处理研发中心主任，浙江师范大学数理医学院院长。国家卫生健康委《医学图像数据库》工作组副组长，大数据算法与分析技术国家工程实验室杭州创新中心主任，国家卫生健康委能力建设和继续教育中心-超声大数据创新应用中心主任，国家药监局器审中心人工智能医疗器械创新合作平台数据治理工作组组长。中国医学装备协会超声装备技术分会大数据与人工智能专委会主任委员，中国工业与应用数学学会数学与医学交叉学科专委会主任委员，中国生物医学工程学会医学人工智能分会主任委员，中国医学装备人工智能联盟专家委员会专家组委员，浙江省科协数字科技学会联合体主席，浙江省数理医学学会理事长。

2. 报告题目：医学CT重建中的滤波反投影算法：从经典到前沿 

报告摘要：简单高效的滤波反投影算法（Filtered Back-Projection，FBP）是商用医学CT成像中的标准算法。然而，低辐射剂量扫描时经典FBP重建图像质量下降，失去诊断效能。本报告聚焦如何实现低剂量下的高分辨精准FBP成像这一问题出发，重点介绍报告人团队的3个工作：（1）FBP反投影张量空间及其性质的发现；（2）FBP框架下的深度学习重建算法研究；（3）分布式架构下的联邦学习重建算法研究等。上述工作为智能时代下的高性能医学CT成像研究提供了全新思路和关键技术。

报告专家：马建华 教授 西安交通大学

马建华，西安交通大学生命科学与技术学院教授，长期从事高端医学CT成像理论与算法研究，围绕“如何实现低剂量下的高分辨精准成像”这一科学问题聚焦攻关，分别提出了非直接对数校正可学习重建理论、时空异质建模流变重建方法和双调制谱张量感知重建方法，形成的相关技术适配于国产高端CT系列产品，经济和社会效益显著。先后主持国家重点重大项目6项，曾获广东省技术发明奖一等奖（排1）、广东省丁颖科技奖。目前，任4个国家级专业委员会副主委、TMI副主编。

3. 报告题目：医学图像中各类异常检测及各部位血管结构分割的AI技术探索 

报告摘要：医学影像读片是医院放射科医生的核心任务之一，医生需要基于经验从医学影像中检测及识别各类异常区域。AI技术可否像放射科医生那样智能读片及识别医学影像中的各类异常区域？这是智能医学影像诊断领域的核心问题之一，但目前缺少有效的技术。医学影像中的人体不同部位的血管结构存在拓扑及形状相似性。医生据此可以快速地从医学影像中识别不同部位/器官的血管结构。但是，有监督学习AI技术只能根据给定部位血管结构的标注集合训练针对该部位血管结构的分割模型。AI技术可否在避开大量标注的条件下实现不同部位血管结构的智能识别与分割？这是一个具有挑战性的血管分割问题。报告将介绍我们针对这两个问题所做的初步研究及遇到的困难。

报告专家：王利生 教授 上海交通大学

王利生，上海交通大学电信学院自动化系模式识别与智能系统专业的教授、博导。主要在“AI +医学图像分析+临床诊疗应用”方向开展医工合作研究，研发内容包括医学影像AI智能分析与可视化、计算机辅助的智能影像诊断及手术规划、基于AI技术的临床预后分析等。与上海多家三甲医院的不同科室医生有着十几年的广泛深入的医工合作。在领域国际一流专业期刊发表研究论文二十多篇。带领研究生参加2018全球人工智能应用大赛，获第三名、二等奖；指导研究生参加医学影像分析领域顶会MICCAI举办的系列智能医学影像分析国际挑战赛，累计获得七项第一名、四项第二名。

4. 报告题目：基于前向后向扩散的交互式分割方法 

报告摘要：交互式分割是一种常用的分割方法，通常需要用户进行适当的手工干预，以达到以下目的：

1）选择性的分割感兴趣区域；

2）增强分割算法的性能稳定性和可控性；

3）利用用户的领域知识与经验，提高分割的准确性。

除此之外，相比深度学习方法，交互式分割还有无需训练和训练数据的优点。然而，传统的交互式分割在医学影像上的应用还存在分割结果对手工操作的依赖性和敏感性过高的问题，即不同的手工操作结果会导致分割结果明显的差异。这使得不同用户或同一个用户在不同时间使用交互式分割的结果的可重复性较差。本报告介绍若干传统交互式分割以及基于深度学习的交互式分割方法，以及报告人所开发的基于前向后向扩散的分割方法，及其在交互式分割上的应用，并演示该方法对手工操作不敏感以及操作简便等优点。

报告专家：李纯明 教授 电子科技大学

李纯明现任电子科技大学信息与通信工程学院教授、博导，IEEE Fellow，电子科技大学-陆军军医大学联合数字医学实验室主任，计算机软件国家工程研究中心兼职教授，国际数字医学学会委员、共同创办人，中国工业与应用数学学会（CSIAM)数学与医学交叉学科专委会副主任委员，中国体视学学会学术委员会委员，中国体视学学会理事会理事，中国体视学学会智能成像分会副主任委员。李纯明2005年毕业于美国康涅狄格大学电子与计算机工程系，获博士学位。主要研究领域包括图像处理、计算机视觉和医学影像分析的算法研究与应用。在医学影像分析、图像分割、水平集方法的研究中做出了有国际影响力的重要贡献。李纯明以第一作者身份发表了多篇原创性的研究论文，包括五篇单篇他引次数超过1000次的论文，其中一篇论文单篇他引次数超过3000次：另外两篇论文单篇他引超过2000次，分别荣获2013和2015年IEEE信号处理学会最佳论文奖，是国际上唯一的两次以第一作者身份获得该奖的学者；李纯明在论文中提出的模型与算法已被许多国内外同行作为进一步研究的基础，或被直接应用于各种生物医学图像和自然图像的处理与分析；连续多年入选爱思唯尔（Elsevier)高被引学者。2015-2018年担任图像处理顶级期刊IEEE TIP副主编，2020年受邀担任医学图像分析顶级期刊Medical Image Analysis编委至今，2020年受邀担任Intelligent Medicine与Digital Medicine期刊编委至今。

5. 报告题目：Wasserstein Distance: Computation and Application in Cryo-EM  

报告摘要：The Wasserstein distance plays a crucial role in artificial intelligence and has extensive application prospects. This talk mainly introduces our recent progress in the computation and application of the Wasserstein distance, including high-precision computation of low-dimensional optimal transport problems, neural network-based algorithms for solving high-dimensional optimal transport problems, and the application of the Wasserstein distance in the registration of three-dimensional density maps with different resolutions.

报告专家：包承龙 特别研究员 清华大学

包承龙，清华大学丘成桐数学科学中心助理教授、北京雁栖湖应用数学研究院助理研究员、清华大学膜生物学国家重点实验室研究员，博士生导师。2009年本科毕业于中山大学数学系，2014 年博士毕业于新加坡国立大学数学系， 2015 年至 2018 年在新加坡国立大学数学系进行博士后研究。研究兴趣主要在图像处理的建模与大规模优化算法方面，已在各类期刊和会议上发表学术论文40余篇。

6. 报告题目：可靠神经影像智能计算研究

报告摘要：先进的深度学习模型与算法在神经影像与脑科学领域得到了广泛的尝试性应用，提供了更快速的成像手段，更高效精确的影像处理工具，以及更先进的影像分析途径，助力于大脑发育/退化的典型轨迹刻画及相关发育/退行疾病的早期辅助诊疗。应用驱动的可靠神经影像智能计算方法研究可显著提高普适智能技术在具体应用场景下的精准度、泛化能力与可解释性，从而提升相关智能工具的现实可用性。本次报告将从需求自适应的影像数据智能获取、精准高效的发育/退化脑组织智能标注与量化、细节可控的脑发育/退化异常智能识别等方面汇报课题组有关可靠神经影像智能计算的一些最新研究进展。

报告专家：练春锋 教授 西安交通大学

练春锋，西安交通大学教授/博导。2017年于法国贡比涅技术大学获计算机博士学位，2017至2020年底于美国北卡罗来纳大学教堂山分校从事博士后研究。专注于医学影像智能计算研究。近年在Nature子刊、PNAS、IEEE TPAMI/TMI、MedIA、MICCAI、ICCV为代表的高水平国际期刊/会议/专著上发表论文80余篇。主持国家科技创新2030—“脑科学与类脑研究”重大项目课题、国家重点研发计划项目“数学和应用研究”重点专项子课题、国家自然科学基金、“陕西省高层次青年人才引进项目”等项目。担任四个国际期刊（CMIG、Medical Physics、Frontiers in Radiology、IRBM）的编委，国际会议ICPR’22/MICCAI’23领域主席，医学影像机器学习国际研讨会MLMI’22的Leading Co-Chair。

7. 报告题目：Double-parameter Regularization for Solving the Backward Diffusion Problem with Parallel-in-time Algorithm 

报告摘要：We propose a double-parameter regularization scheme for dealing with the backward diffusion process. Considering the smoothing effect of Yosida approximation for PDE, we propose to regularize this ill-posed problem by modifying original governed system in terms of a pseudoparabolic equation together with a quasi-boundary condition simultaneously, which consequently contains two regularizing parameters. Theoretically, we establish the optimal error estimates between the regularizing solution and the exact one in terms of suitable choice strategy for the regularizing parameters, under a-priori regularity assumptions on the exact solution. The a-posteriori choice strategy for the regularizing parameters based on the discrepancy principle is also studied. To weaken the heavy computational cost for solving the discrete nonsymmetric linear regularizing system by finite difference scheme, especially in higher spatial dimensional cases, the block divide-and-conquer method together with the properties of the Schur complement is applied to decompose the linear system into two half-size linear systems, one of which can be solved by the diagonalization technique, and consequently an efficient parallel-in-time algorithm originally developed for direct problem is applicable. Our proposed method is of much lower complexity than the standard solver for the corresponding linear system. Finally, some numerical examples are presented to verify the efficiency of our proposed method.

报告专家：刘继军 教授 东南大学

东南大学二级教授，博士生导师，享受国务院政府特殊津贴专家。现任南京应用数学中心副主任，江苏省计算数学学会副理事长。

长期从事数学物理反问题、大规模科学计算和介质成像的数学理论和方法的研究。主持完成国家自然科学基金基础板块项目、重大研究计划培育项目、面上项目、国际合作项目等项目。已在SIAM J. Appl. Math等刊物发表学术论文140余篇，在科学出版社出版学术专著2本。曾受中国NSFC、德国DAAD、韩国21Brain Project等资助赴国外开展合作研究。2012-2017年任Inverse Problems in Sciences and Engineering编委，2018年起任J. Inverse and Ill-posed Problems编委。 作为主持人获江苏省教学成果一等奖、江苏省自然科学三等奖、教育部自然科学二等奖。

8. 报告题目：各项异性全变差驱动图像复原 

报告摘要：在图像复原过程中，如何有效保持图像的结果特征对提升复原质量至关重要。本报告基于有界变差函数建立新型的各项异性全变差方法来驱动提升图像质量。数值比较验证了模型和方法的合理性和有效性。

报告专家：庞志峰 教授 河南大学

庞志峰，河南大学教授，博士生导师, 中科院深圳先进技术研究院客座研究员, 河南省肿瘤医院特聘教授。南洋理工大学/香港城市大学博士后, 利物浦大学/香港中文大学/香港理工大学/香港城市大学访问学者。目前兼任河南省数字图形图像学会副理事长和河南省应用数学中心(河南大学)副主任，《CT理论与应用研究》、《中国体视学与图像分析》和《中原工学院学报》(自然科学版)编委, 同时兼任多个国家级学会专委会委员。主持和参与国家自然科学基金以及省部级科研项目12项，发表学术论文近50篇，完成校企合作项目2项，授权专利2项。

9. 报告题目：人工智能在医学图像分析中的应用研究 

报告摘要：主要介绍报告人近年来利用AI技术在图像分析领域展开的一部分工作，包括DR胸片软组织成像、脊柱图像分析、基于图像的疾病预测和病理

图像分析等，报告将主要测重于应用场景介绍与方法简介。 

报告专家：冯前进 教授 南方医科大学

冯前进，教授，南方医科大学生物医学工程学院院长、广东省医学成像重点实验室主任，东南大学兼职博士生导师；长江学者特聘教授，珠江学者特聘教授，百千万人才国家级人选；教育部生物医学工程教学指导委员会委员，广东省生物医学工程教学指导委员会主任委员；国家发明二等奖获得者；主要从事医学图像相关的研究与教学工作。

10. 报告题目：心脏疾病无创诊断：逆问题、优化和数据处理

报告摘要：临床诊断往往是一个逆问题，而逆问题求解一直信息科学的难题，其挑战是它求解过程中的无法确定唯一解，加入先验知识约束已经成为降低逆问题的主要手段，但是如何获得有助于临床诊断的先验知识是现在的一个较为困难的挑战。在这次演讲中，我们将介绍通过机器学习和计算仿真结合来解决逆问题的新思路，并且展示这样的思路在临床诊断上的效果。

报告专家：张贺晔 教授 中山大学

主要从事健康信息学定量分析研究工作，主要工作集中于心血管疾病定量分析，提出了一系列心脏健康状态定量分析的技术与方法。发表SCI期刊论文70多篇，其中包括5篇Medical image analysis；发表会议20多篇，其中包括MICCAI会议15篇。申请中国发明专利7项，其中授权3项，进入实质审查3项。指导超过数十名研究生，所指导的博士获得过中科院院长特别奖和朱李月华奖。主持的项目包括国家青年人才项目、广东省杰青人才项目和国自然联合基金重点项目。积极推动心血管疾病无创诊断方法与技术已获得医疗器械三类证且应用于临床，所进行的临床试验成功合作发表于Radiology和European Radiology，获得吴文俊人工智能科学技术创新奖三等奖，浙江省科学技术奖二等奖和中国科学院优秀导师奖，受邀参与2018年“国家自然科学基金杰出科学家浙江行”活动。

11. 报告题目：智能医学成像与分析 

报告摘要：由于不同的临床场景需求和国产设备硬件性能的制约，计算机断层扫描（CT）、正电子发射断层扫描（PET）、磁共振成像（MRI）的成像质量一直受到测量数据信噪比低、采样不足、数据缺失等问题的影响。通过传统算法（如CT中的滤波反投影（FBP）方法）以及迭代算法求解反问题通常无法解决重建图像质量差的问题而导致诊断精度降低。近年来，智能化算法在医学成像、医学图像处理和医学图像分析等领域得到了广泛的应用。本报告结合不同的临床场景，介绍了课题组在多种应用场景下的低剂量螺旋CT、光子计数CT、CBCT等图像重建任务的研究工作。在高质量的图像重建算法的研究基础上，一方面探讨了研究成果向前端医学影像设备研发扩展，新质生产力助力国产医学影像设备提质升级，突破西门子等国外企业垄断的重要意义，另一方面对基于高质量影像研究智能分析算法，提升辅助诊断的精确性、实时性和安全性展开了讨论。

报告专家：陈阳 教授 东南大学

陈阳, 东南大学计算机科学与工程学院教授，国家杰出青年科学基金获得者。研究方向以X射线成像和智能影像处理为研究主体，着力推动国产影像设备核心技术突破，先后承担十几项省部级以上或企业科研攻关项目，主持国家杰出青年科学基金、973科技计划、863科技计划、江苏省自然科学基金、国家重点研发计划等各类基金项目10余项。提出的全空间深度重建算法作为国内首个获得美国FDA认证的深度重建模块被应用于国产多排螺旋CT设备，提出基于特征编码的重建算法被作为核心技术搭载于国产首台X射线乳腺层析设备和九轴非悬吊3D DSA设备（上海联影医疗制造）。先后在《IEEE Transactions on Medical Imaging》、《IEEE Transactions on Image Processing》、《IEEE Transactions on Computational Imaging》、《Medical Image Analysis》等领域内Top期刊和CVPR、AAAI、ECCV、MICCAI等领域内Top发表学术论文100余篇，出版专著1部，教材2部，获得授权发明专利20余项。论文被他人引用近10000篇次，其中ESI高被引论文6篇，ESI热点论文1篇，爱思唯尔2022/2023中国高被引学者。

12. 报告题目：IBRAIN: 阿尔茨海默病早期影像学标记研究及系统 

报告摘要：多模态磁共振脑成像能够无创地提供人脑结构与功能活动信息，脑结构改变是临床阿尔茨海默病（AD）早期鉴别诊断的重要特征之一。如何从磁共振图像中精准刻画AD脑结构高维复杂异构的表征，进而解析AD异表征的临床生物学机制是建立早期AD生物学标记的重要前提。团队最新研究融合多尺度脑结构信息、基因组和生化指标，基于全球跨疾病数据集（中、美、英、澳、欧等8种退行性疾病13000例数据），建立了AD 个体化影像学标记（IBRAIN），融合基因风险、生化数据等阐明了IBRAIN的生物学机制，纵向追踪定量刻画MCI个体化转化风险及机制。我们希望借此与大家探究基于脑影像进行个体化定量预测的可行性。

报告专家：刘勇 教授 北京邮电大学

刘勇，博士，教授，北京邮电大学 人工智能学院。主要研究方向：脑影像智能理解。研究工作主要以探究多中心多模态脑影像计算方法及阿尔茨海默病的影像异常表征为核心展开。以通讯(含共同)作者发表论文40余篇, 包括eClinicalMedicine, Biological Psychiatry, Science Bulletin等；论文他引10000余次。授权专利7项。作为负责人承担包括科技部科技创新2030-重大项目课题、国家重点研发计划课题、国家自然科学基金重点项目等。获吴文俊人工智能科学奖自然科学一等奖（2019，排名第2）等学术奖励。入选Elsevier中国高被引学者(2020-2023)。

13. 报告题目：Neural Networks Incorporating Explicit Priors for Low Dose CT Reconstruction

报告摘要：Low dose leads to reconstructions with heavy noise and streak artifacts. Numerous methods have been proposed to improve the reconstruction quality of low-dose CT by incorporating various priors existed in the projection domain or image domain. In this talk, I will briefly review popular priors for low-dose CT imaging, and then introduce several recent works from our group that incorporating explicit priors, e.g. noise statistics, edges distribution and physical forward model, into neural networks for low dose CT reconstruction. Challenges and possible solutions shall be briefly discussed.

报告专家：李宏伟 教授 首都师范大学

李宏伟，首都师范大学，教授，博士生导师。中国体视学学会CT理论与应用分会委员会委员，中国工业与应用数学学会专委会委员。长期从事数值计算、CT成像与图像处理等反问题研究，在包括TIP, Inverse Problems，Medical Physics, SIAM J. SCI. COMPUT. 等期刊上发表论文30余篇，授权国家发明专利 5 项。

主持国家自然科学基金面上项目1项，参与国家科技部、国家基金委以及北京市基金委项目多项。曾获得教育部科学技术进步奖二等奖(2018) (排名第7)。

14. 报告题目：多任务视角下跨模态MRI快速成像的可解释深度学习方法 

报告摘要：本报告将围绕着跨模态MRI快速重建问题展开，特别地，关注多任务视角下深度重建模型的可解释性。具体地，首先，通过引入模态影像间空间对齐与模态间的对应关系模块，构建跨模态生成任务，以此辅助跨模态MRI快速重建主任务；其次，分别从最优传输视角和深度解构方法视角建立具有一定可解释性的深度重建框架，并在理论上证明不同任务之间的互补性；最后，在多个真实数据集上完成与传统SOTA方法对比，实验结果证明所提两条路径都为有效，性能较传统方法有显著提高，并能够实现多模态影像的百秒重建。

报告专家：应时辉 教授 上海大学

应时辉，博士，上海市应用数学与力学研究所/上海大学教授、博士生导师。分别于 2001 年和 2008 年在西安交通大学获得学士和博士学位，2012-2013在美国北卡罗来纳大学教堂山分校从事博士后研究。主要从事流形上的反问题、医学影像处理与智能分析等方面的研究工作。近五年来，在包括 Nature Communications, IEEE T-PAMI等IEEE汇刊（18篇）和SIAM系列, JCP等期刊以及CVPR等顶会上发表学术论文120余篇。研究成果被引2800余次、单篇最高被引420余次。目前在研主持国家重点研发计划课题1 项，主持完成国家级项目3项和省部级重点项目1项。受邀担任中国工业与应用数学学会数学与医学交叉学科专委会委员、上海生物医学工程学会人工智能专委会常务委员，以及多个SCI期刊客座主编/编辑和著名国际会议程序委员会委员。

15. 报告题目：Mathematical Modeling and Computation in Spatiotemporal Dynamic Sparse Medical Imaging  

报告摘要：Spatiotemporal dynamic medical imaging is critical in clinical applications, such as tomographic imaging of the heart or lung. As an example, in PET/CT cardiac imaging, when data is acquired over a relatively long period of time (often in the range of minutes), the unknown motion of the organs leads to severe degradation in image quality. Furthermore, to reduce the radiation or conduct fast scanning, the low-dose or sparse sampling is often required. Hence, the image reconstruction with high spatial and temporal resolutions becomes particularly important and very challenging. From the view of mathematics, this problem can be actually formulated as a time-dependent dynamic inverse problem. We will talk about the recent advances on mathematical modeling and computation for image reconstruction in spatiotemporal imaging.

报告专家：陈冲 副研究员 中国科学院数学与系统科学研究院

陈冲，中科院数学与系统科学研究院副研究员，博士生导师。2012年于中科院数学院获计算数学博士学位，2015-2017年在瑞典皇家理工学院数学系从事博士后研究。其研究领域包括医学成像反问题，图像处理，计算几何等，在稀疏图像重构的建模与计算、图像分割和配准的算法设计、几何模型的等几何分析方法等方面取得进展，共发表学术论文二十多篇，研究成果主要发表在SIAM J. Imaging Sci.、Inverse Problems、J. Comput. Phys.、Comput. Methods Appl. Mech. Engrg.等专业权威刊物，在科学出版社合著《图像重构的数值方法》专著一部。现任《计算数学》期刊编委，研究工作获得国家自然科学基金委优秀青年科学基金资助。

第二部分：学术研讨

（按报告顺序排序）

16. 报告题目：超声微血管成像

报告摘要：微血管的形态和血流动力学特征与许多疾病的发生和发展状态密切相关。随着超快速平面波成像技术的发展，超声微血管成像已成为当前超声成像领域的研究热点，包括超快速功率多普勒成像（uPDI）和超分辨率超声定位显微成像（ULM）。报告将介绍实验室在超声微血管成像方面的一些工作。方法方面，将介绍用于uPDI及ULM的自适应波束合成方法，以及超声射频信号域的非局部均值降噪算法。应用方面，将介绍uPDI 及ULM在动物实验研究与临床实验研究的一些工作。

报告专家：罗建文 教授 清华大学

罗建文，本科、硕士、博士毕业于清华大学，现为清华大学长聘教授，博士生导师。入选教育部长江学者特聘教授，获国家海外高层次人才引进计划青年项目及国家自然科学基金优秀青年基金项目资助。作为项目负责人承担国家重点研发计划项目2项、国家自然科学基金项目5项。发表SCI论文200多篇，包括TMI、TUFFC、TBME等IEEE Trans系列论文50多篇。40多篇论文成为期刊高被引论文、热门论文、封面、封底、编辑精选、年度亮点、年度最佳论文等。获得黄家驷生物医学工程奖、中华医学科技奖等奖励。担任IEEE TMI、IEEE TUFFC期刊Associate Editor，Ultrasonics期刊编委。

17. 报告题目：HeteroSync学习：解决分布式超声智能诊断系统中的数据差异

报告摘要：在医学影像分布式学习领域，尤其是超声数据的异质性问题尤为突出。本研究提出了异质同步学习（HeteroSync Learning，HSL）作为一种专门应对这一重要挑战的方法。HSL围绕两个核心概念展开：异质同步任务（HS任务）和多任务学习（MTL）方法。在每个节点中，主要任务与HS任务在MTL架构下协同训练，促进各节点之间共享共同表示。HS任务利用公开可用的数据集来确保可访问性，同时保护主要任务数据集的数据隐私。与各节点的主要任务数据异质性不同，HS任务数据集呈现均质分布。广泛的实验表明，在各种临床场景中，如小型诊所、大规模医疗中心、筛查中心、疾病专科医院和罕见病情况下，HSL相较于本地学习、联邦平均（FedAvg）甚至集中学习具有显著的性能优势。数据分布图强调了HSL在将异质数据转化为均质分布方面的有效性，均匀分布的HS任务数据集在处理数据异质性方面尤为关键。HSL为分布式医学影像建模提供了创新解决方案。

报告专家：王伟 主任医师 中山大学附属第一医院

王伟教授，主任医师、博导，超声医学科副主任；主持国家自然科学基金与广东省杰出青年基金等项目，发表SCI论文160余篇，其中通讯作者SCI论文60余篇，包括Lancet Digital Health、JAMA Network open、Radiology、IEEE Trans Image Process等通讯论文；入选Elsevier全球前2%科学家，多项成果被国际超声诊断指南和肝癌治疗指南采纳。

18. 报告题目：类人超声自动扫查成像与类脑推理诊断研究

报告摘要：医学超声成像的临床应用广泛，具有实时性好、无损无辐射、成本低等优势。然而现在的超声诊查严重依赖操作者经验，难以获取规范标准的高质量数据，导致临床判读困难。本研究尝试在超声成像与分析推理过程中，借助机器人系统学习实现临床医生的操作手法，实现类人化超声扫查成像方法，以获取标准规范化超声成像，同时通过研究类脑推理方法，使系统能够模拟医生的思想进行智能化辅助诊断。具体而言，我们设计开发了自主超声扫查机器人，并针对超声图像开发了类脑推理方法，最终获得自动化、智能化的高质量超声扫查成像与辅助诊断。该研究有望在临床上代替医师实施自动规范的超声图像采集与分析诊断，减轻医师工作负担、提高诊断性能，具有良好的应用前景。

报告专家：黄庆华 教授 西北工业大学

黄庆华，西北工业大学教授，国家级领军人才，西北工业大学学术委员会委员。主要研究方向：多维超声成像、医学数据挖掘与智能分析、医疗机器人系统等。主持科技部2030人工智能重大项目课题、多项国家自然科学基金重点/面上项目及省级产学研重点项目。发表SCI论文120+篇，H-index 45。现任中国自动化学会机器人智能专委会常委、上海浦江实验室智慧医疗顾问（2023-2025）、中山大学特聘教授等；现任人工智能领域Top期刊Pattern Recognition 、Neurocomputing 副编辑(Associate Editor）、中华医学会旗下《数字医学与健康》首届编委。获颁教育部“新世纪优秀人才”（2010）、陕西省“百人计划”特聘教授（2016）、陕西省“杰出青年基金”（2019）等人才称号，以及广东省科技进步一等奖（2012），并曾兼任华为技术有限公司AI专家顾问（2017-2019）。

19. 报告题目：面向单模态超声CAD的深度学习方法研究

报告摘要：随着人工智能技术的飞速发展，面向超声影像的智能分析、诊断已经成为学术和工业界的热点。虽然多模态超声提供了更为全面的诊断信息，能提升诊断准确性，但通常面临着严重的小样本问题。单一模态B型超声诊断在临床上更为普遍，但所提供的信息量较为有限，从而影响了超声CAD模型的诊断

准确性。针对此问题，本报告重点介绍课题组在基于弱监督学习、特权信息学习方面的工作，提升单模态超声CAD的性能。

报告专家：施俊 教授 上海大学

施俊，上海大学通信与信息工程学院，副院长、教授、博导。中国科学技术大学电子工程与信息科学系本硕博连读，美国北卡罗来纳大学教堂山分校访问学者，香港理工大学短期访问学者。

主要研究医学超声智能分析、医学影像分析、医学成像方法。主持了国家自然科学基金等国家级项目，作为合作单位负责人参与国家自然科学基金重大科研仪器研制项目、国家自然科学基金重点项目。已发表国际期刊和会议论文100余篇，包括高被引论文3篇，授权专利5项，获批软件著作权2项，荣获2022年“IEEE EMBS Best Paper Award”。获2023年“2023 年产学研合作创新成果奖”一等奖（排名第二）、2022年“上海医学科技奖”二等奖（排名第二）。曾任MICS委员会轮值主席，现任上海生物医学工程学会人工智能专委会副主任委员、上海市超声医学工程学会专委会副主任委员。

20. 报告题目：基于MLP深度学习算法的三维智能超声成像技术及应用

报告摘要：手持式三维超声成像通常容易受到位姿噪声干扰，且受限于三维体的体素尺寸，导致重建图像质量较低。基于多层感知机（Multi-Layer Perceptron）的重建算法以其连续表达、分辨率不受限等特性，在医学影像重建中得到了极大地发展。基于MLP的体重建算法，可丰富重建体素信息量，并通过深度学习网络优化探头扫描的位姿和路径，进而提高重建的准确度。在三维表面重建过程中，使用MLP学习符号距离函数表达表面几何，可有效减少面渲染结果的粗糙表面和孔洞，实现对特定解剖结构的高精度几何表达。实验表明，该方法在提高超声可视化表现的同时，对不同噪声水平的输入具有更好的鲁棒性。此外，基于MLP的深度学习重建算法还可拓展到多视角重建场景，通过学习多个MLP对不同扫描视角的形状信息进行编码，融合出更加真实准确的解剖形状。

报告专家：郑锐 教授 上海科技大学

郑锐，上海科技大学信息科学与技术学院研究员、博士生导师、助理教授，信息学院智能医学信息研究中心主任。主要研究方向包括智能医学三维超声成像、基于深度学习的医学超声成像及诊断、便携式超声成像系统研发、肌骨系统三维超声成像技术、生物医学超声图像及信号处理、多模态医学诊断理论及应用等，在人工智能超声、肌骨超声检测、脊柱病变成像及诊断领域已发表SCI检索论文50余篇，承担主持了自然科学基金面上项目、上海市自然科学基金等科研项目。

21. 报告题目：Radon变换的微分几何分析和稀疏扫描CT重建

报告摘要：传统的CT重建理论和计算方法基于共中心旋转结构或其它等效结构，同时也要求Radon变换投影应具有完备性，稀疏扫描等不完备投影重建则需要引入图像先验信息以改善重建质量。现有的CT数据的一致性条件虽然揭示了CT投影中存在的冗余，但难以高质量地解决稀疏扫描重建问题。我们对Radon变换进行微分几何分析，首次推导了反映Radon变换局部特性的通用偏微分方程组，高效地表达了Radon变换中存在的冗余性，因此稀疏扫描数据在一定条件下可以包含完备投影数据的全部信息；在上述理论分析的基础上，我们给出了一种无需图像先验的稀疏扫描CT重建方法，讨论了几种不同CT几何结构下的稀疏扫描和重建问题；报告最后讨论了静态CT设计中存在的问题，以及如何应用所提出的理论来解决静态CT的结构设计和重建算法等问题。

报告专家：牟轩沁 教授 西安交通大学

牟轩沁，博士，教授。1987年入职西安交通大学任教至今，现担任图像处理与识别研究所所长，数据智能计算与通信创新研究所所长，国家数据广播工程技术研究中心主任等职务。学术兼职包括国家自然科学基金委员会第十二届学科专家评议组成员、中国体视学学会副理事长、中国体视学学会智能成像专业委员会主任委员、陕西省图象图形学学会理事长、中国图像图形学学会常务理事、多个国内外期刊的主编、编辑和客座编辑等。主要研究方向是医学成像技术和视觉感知模型。主持完成的项目“RA3900II型数字减影系统”获得了教育部发明类科技进步二等奖（1999年，第一获奖人）。研究工作已经发表了经同行评议的学术论文200余篇，发表论文的WoS引用总数9900余次，GoogleScholar引用总数15000余次；合作出版著作两部；获得授权和公开的国家发明专利20余项。

22. 报告题目：任务驱动的智能X射线成像算法及应用

报告摘要：受限于X射线成像物理以及具体临床场景需求，X射线CT原始数据存在射束硬化、散射等非理想特性，并可能表现出数据非完备性，导致重建所得的CT图像存在伪影，影响后续诊疗任务。传统数据矫正方法以及重建算法无法完全克服上述问题，近年来智能化算法在医学成像领域得到了广泛的应用，具备克服传统成像方法不足的潜力。本报告将介绍课题组利用智能化算法在X射线CT成像方法方面的研究工作，包括X射线数据矫正、非完备数据成像算法以及能谱成像方法，并探讨相关研究成果面向国产医学影像设备的研发扩展。

报告专家：季续 副教授 东南大学

季续，博士，副教授，博士生导师。博士毕业于美国威斯康辛大学麦迪逊分校医学物理系，现任东南大学计算机科学与工程学院影像科学与技术方向副教授。研究领域为医学及工业影像系统的基础信息理论、智能成像方法及整机系统，主持或参与多项省部级项目，在IEEE Trans. Med. Imag.、Med. Image Anal.等医学成像领域国际知名期刊累计发表第一作者或通讯作者SCI论文二十余篇，参与构建光子计数小动物CT系统、双射线源CT系统等多台新型国产X射线断层影像设备原型机，在医学影像领域重要国际学术会议（如RSNA、SPIE Medical Imaging等）发表论文及口头报告十余次，获得包括北美放射学年会Trainee Research Prize等奖项。担任医学影像领域主流期刊Med. Phys.副编辑。

23. 报告题目：锥形束X射线透视、荧光和散射CT成像技术

报告摘要：X射线穿过物体过程中存在多种相互作用，瑞利散射、光电效应、康普顿散射等。传统X射线CT成像利用射线的衰减信息，在成像特异性和低对比度分辨方面存在局限；X射线荧光作为特征X射线，具有更高的成像灵敏度和特异性；康普顿散射光子经常被视为有害的噪声，但事实上，散射光子包含物质电子密度信息等信息，特别是在弱吸收辐射成像下，如肺部成像，散射光子可能具有更好的对比度。我们提出了一种利用多色X射线源实现全场X射线透射、荧光和散射的全粒子信息多模CT成像技术（PI-CT），可以同时获得高空间分辨率的组织结构CT图像和高灵敏度的靶向分子药物浓度分布定量图像，为肿瘤诊断和治疗提供了一种新的多模CT成像模式。

报告专家：李亮 副教授 清华大学

李亮，清华大学工程物理系，副主任，长聘副教授、博士生导师，国家级青年人才。目前兼任中国体视学学会秘书长、中国体视学会青工委主任委员、智能成像分会副主任委员、《中国体视学与图像分析》编委会副主任委员。主要研究方向是X射线和荧光CT成像，作为负责人完成国家级、省部级科研项目/课题6项。以第一/通讯作者发表SCI/EI学术论文110余篇，授权中国发明专利40余项，获省部级及以上科技奖3项。

24. 报告题目：CT临床应用的三大主题思索：空间高分辨率-辐射低剂量-碘对比增强 

报告专家：杨健 教授 西安交通大学第一附属医院

医学硕士、工学博士、香港大学博士后。医学影像专业和生物医学工程专业博士生导师，现任西安交通大学第一附属医院影像科主任。

2011年入选“教育部新世纪优秀人才支持计划”。中华放射学会青年委员、中华医学会放射学分会磁共振专业委员会副主任委员兼青年委员会磁共振学组组长、教育部高等学校教学指导委员会医学技术类专业委员、中国医学影像技术研究会理事、陕西省抗癌协会影像诊断分会副主委、西安市放射学会副主委、陕西省放射学会常委。 《实用放射学杂志》副主编，《Plos One》Academic Editor，《中国临床医学影像杂志》常务编委，《中华放射学杂志》、《中国医学影像技术》、《磁共振成像杂志》和《中国CT&MRI杂志》编委，《西安交通大学学报》（医学版）责任编委，《NMR in Biomedicine》、《European Radiology》、《Chinese medical journal》、《中华医学杂志》特约审稿专家。

在国内外重要刊物上共发表论文百余篇。其中，SCI收录论文二十余篇（总影响因子>70）。参加国际磁共振学会（ISMRM）年会等国际会议发言十余次，收录会议论文四十余篇。参编专著（译著等）共 5 部。主持国家自然基金4项，省部级课题2项。申请专利两项。获全军医疗成果二等奖和陕西省教委科技进步二等奖各1项。

25. 报告题目：Constrained Probabilistic Auto Encoder for Multimodal fMRI Image Restoration

报告摘要：在报告中，我们首先从概率建模角度出发，构建了条件概率自编码器框架。在编码器阶段，通过最大后验概率推导隐变量的点估计；在解码器阶段，通过最大对数似然更新可学习的参数。对于编码器中推导的优化目标，条件概率中的耦合字典表示对应于字典表示损失项，限制条件对应于数据一致性项，隐变量的隐式分布对应于隐式正则项。我们借助半二次分裂和近端梯度下降法，将该优化目标展开为多层深度展开网络，并通过端到端的方式学习网络参数。实验表明在联影仪器10倍欠采样的脑部、膝盖数据上，我们模型的重建效果优异，并在特征可视化上具有一定的可解释性。

报告专家：孙建永 教授 西安交通大学

孙建永博士为西安交通大学数学与统计学院教授。曾担任英国格林威治大学、埃塞克斯大学副教授（终身教职）。现任西安交通大学数学与统计学院院长、中国数学会常务理事、陕西省数学会常务副理事长。主要研究方向包括机器学习、智能优化以及AI与大数据的理论、算法与应用。已在Nature Communications、美国科学院院刊（PNAS）和IEEE 汇刊等顶级期刊上发表论文100余篇。曾主持多项国家自然科学基金项目、科技部重点研发计划课题等。

26. 报告题目：磁共振自适应射频激发与快速信号采集方法与技术

报告摘要：介绍团队最近研究进展，主要解决如何实现部位和疾病自适应的射频激发与快速信号采集方法，并发展支持自适应激发和快速采集的关键硬件部件和技术，从而突破传统同质化激发模式与信号采集方法，实现个性化的扫描和快速成像。在快速采集硬件设计方面，设计了64通道头线圈，48通道腹部线圈和48单元脊柱线圈，为最终实现超快 MR 成像系统提供物理手段和硬件支撑。在射频发射链路设计方面，设计了高性能射频功率放大器，搭建多源射频激发平台，同时依据心脏、腹部、下肢、脑部等个体部位特性设计射频激发最优控制策略，实现均匀射频激发。

报告专家：杨兴 副研究员 国家高性能医疗器械创新中心

杨兴，国家高性能医疗器械创新中心副研究员。2005年获电子科技大学学士，2008年获电子科技大学工学硕士，2011年~2013年于纽约大学进行博士学习。长期从事磁共振成像设备和生物医疗射频技术的开发研究，主要包括磁共振射频系统的设计与优化，射频热疗和功率电路设计等。发表十几篇磁共振领域学术文章，已获多项发明专利。曾先后工作于通用电气（GE）全球研发中心、美国纽约大学Langone医学研究中心、中国科学院深圳先进技术研究院和奥泰医疗系统有限责任公司从事磁共振研发和管理工作。2022年8月加入国家高性能医疗器械创新中心。近三年，作为核心研究人员，参与和负责多项国家和深圳市重点项目的研发。

廖术 正高级工程师 国家高性能医疗器械创新中心

廖术博士现担任国家高性能医疗器械创新中心研究员、以及联影智能研发副总裁。他分别于2005、2007、2010年在香港科技大学取得计算机科学本科、硕士与博士学位。博士期间主攻课题为医学影像处理。他在2010年至2012年在美国北卡罗莱纳大学教堂山分校IDEA Lab作为博士后研究员，主要研究方向为医学影像处理与机器学习。廖术博士曾作为主管科学家加入美国西门子医疗，在2013年至2018年领导医学影像算法的开发和应用。他在国际顶级期刊和会议如IEEE TMI, IEEE TPAMI, IEEE TIP, CVPR等发表论文30余篇。廖术博士入选了2019年上海浦江人才计划，以及2020年上海高层次人才计划。廖术博士及其团队目前专注于研发人工智能赋能设备以及临床的前沿产品，开发了包括ACS超快速磁共振扫描、DELTA低剂量CT扫描、HYPER DLR PET快速扫描，以及uAI脑卒中解决方案等产品。

27. 报告题目：全栈式部位自适应磁共振超快成像方法

报告摘要：主要介绍全栈式部位自适应磁共振超快成像方法。磁共振成像反问题遵循其特有的物理原理，例如信号傅里叶编码、多线圈并行采集等。在设计隐正则化求解方式时，必须充分遵循磁共振物理原理。此外，不同的组织部位磁共振图像差异性巨大，例如头部、心脏、肝脏等部位，磁共振图像所蕴含的先验特征截然不同，成像方法必须根据具体部位具体设计。因此，在设计求解磁共振成像反问题的隐正则化方法时，必须充分遵循磁共振物理原理、充分利用不同部位的不同先验特征。团队主要研究内容包括：1）基于隐正则化成像理论，研究部位自适应的多序列成像方法设计及超快磁共振重建方法；2）制定规范化采集数据格式及数据转化方案，为分布式成像重建终端提供统一数据标准；3）研究自适应射频激发和信号采集及图像重建的协同集成，形成分布式超快 MR 成像系统。

报告专家：朱燕杰 研究员 中国科学院深圳先进技术研究院

朱燕杰，中国科学院深圳先进技术研究院研究员，国家优秀青年基金获得者，主要从事磁共振成像和智能分析相关研究，作为骨干研发国产首型3T和国际首型5T超导磁共振系统，实现实时电影、心脏弥散成像、T1ρ成像的技术转化。作为负责人承担国家自然科学基金优青、天元重点专项、国家重点研发计划课题等6项国家级项目，近年来，在IEEE Signal Processing Magazine/Transactions on Medical Imaging, Magnetic  Resonance in Medicine等领域内权威期刊发表论文60余篇；授权发明专利30余项，多项转化企业；曾获中国专利优秀奖、广东省技术发明一等奖、四川省科技进步一等奖、中国科学院科技促进发展奖、国际医学磁共振学会Cum Laude Merit Award等奖励。

28. 报告题目：医生诊询引导的快速智能磁共振成像系统临床应用

报告摘要：介绍团队最近研究进展，主要解决快速智能磁共振成像系统临床应用问题。磁共振（MR）扫描虽然可为临床提供优质诊断影像，但因为其成像原理的特殊性，使得扫描时间过于冗长，为患者带来不便。为此，团队首先针对临床上三种需要长时间扫描的疾病（肥厚性心肌病，脑梗死，肝癌），基于常规前序序列构建MR预诊断模型，并基于该模型指导患者后续需要扫描的序列，从而减少患者不必要的扫描序列，从扫描层面降低总体扫描时间。其次，将于后期对其他研究团队的技术进行装机、评估与验证，并进行日常临床扫描，保障快速智能磁共振成像系统最终真正应用于临床。

报告专家：朱元强 副研究员 中国人民解放军第四军医大学

朱元强，空军军医大学第一附属医院副研究员。西安电子科技大学信号与信息处理专业博士，导师为中科院自动化所田捷研究员。主要从事磁共振图像、脑电图图像和电磁刺激数据的处理及基于人工智能的大数据分析。目前担任中华医学会放射学会大数据与科学研究工作组组员、中国医师协会放射医师分会互联网与大数据影像专业组组员，西京医院社会聘用拔尖人才。目前在Neuroimage等中科院1区杂志发表SCI期刊40余篇，主持国家、军队、陕西省课题5项，主笔撰写获批多项国自然基金和科技部重大项目。

参会人员