报告人：庄吓海
主持人：陈俊颖
报告时间：2023年6月13日上午9:00-10:00
报告地点：软件学院B7-403
报告摘要：
医学影像人工智能在计算机辅助诊断和治疗等现代医学中发挥着重要的作用；其中，人工智能方法的模型泛化能力和可解释性对临床应用至关重要。然而，黑盒式对待深度神经网络的方法很难理解模型的功能并解释神经网络中间层的输入输出；因此在涉及多模态、跨中心图像和弱监督无监督学习的场景中，模型的泛化性和推广性受到严重的挑战。本次讲座将介绍我们从弱监督无监督学习总结出的经验，讨论一种通过构建可解释深度神经网络模型改进泛化能力的方法，即可解释可泛化人工智能方法。进而介绍基于此方法的一些初步结果。近期关于可解释可泛化的人工智能方法及其医学影像分析应用研究相关工作请参考实验室主页，其中部分数据和代码也通过该主页公布（https://zmiclab.github.io/projects.html）。
主讲人简介：
庄吓海，复旦大学大数据学院教授、博导。主要研究方向是心脏医学影像分析，可解释人工智能方法等。在领域内高水平期刊和会议发表文章100余篇，包括近期以第一或通讯作者发表5篇IEEE TPAMI文章；多项工作入选顶刊Med Imag Ana高引论文，被Nature子刊 Nat Rev Card 2021作为人工智能在心血管成像中的成功应用案例引用。2022年入选斯坦福大学发布全球顶尖科学家 “终身”和“年度”科学影响力榜单；曾提名MICCAI协会青年科学家奖。2022年被选举为国际MICCAI学会的理事，目前担任包括一区期刊IEEE TMI、Med Imag Anal、Neurual Networks等多个国际期刊副主编。
