YEF | AI赋能，探索智慧医疗新赛道

近年来，人工智能（AI）技术在医学领域的应用逐渐增多，各种先进算法如深度学习、机器学习、强化学习等在生物信息学、医学影像分析、基因组学、药物研发等方面的应用取得了显著成果。例如，卷积神经网络在医学影像识别中的应用，循环神经网络在基因序列分析中的运用，以及图神经网络在分子结构分析与药物发现中的表现。

不过，智能医疗研究领域目前也存在涉及许多方面的关键问题，这些问题包括：在医学研究和实践中，高质量的数据至关重要。然而，收集和整理医学数据是一项复杂且耗时的任务；许多先进的AI算法，如深度学习模型，往往表现为“黑盒子”，难以解释其预测结果；随着AI在医疗领域的广泛应用，伦理和法规问题变得日益重要。

本论坛将就数据问题、模型泛化能力、医学知识与技术整合、模型可解释性等重要技术问题展开深度探讨。更进一步，本论坛也将从落地应用、服务社会的角度讨论AI技术在健康产业应用中的现状与痛点。

简介：翟广涛，上海交通大学教授、博士生导师，国家杰青。主要从事多媒体智能相关研究，获中国电子学会自然科学一等奖（排1），获中国图象图形学学会技术发明一等奖（排1），获IEEE多媒体汇刊最佳论文奖等国际学术奖励12项。任Elsevier期刊Displays主编、《中国科学：信息科学》编委、IEEE CAS MSA、IEEE SPS IMVSP成员、中国电子学会青年科学家俱乐部副主席、中国图象图形学学会理事、上海市图像图形学学会副理事长。

演讲题目：人工智能助力ASD诊疗

摘要：孤独症谱系障碍（ASD）又称孤独症或自闭症，是威胁人类健康的重要精神类疾病，其症状表现为社交困难、兴趣狭窄、行为刻板等，且患者普遍缺乏自理能力。ASD的发病率达1-2％，我国患者超1300万，总看护成本近万亿元/年。ASD的早期诊断对患儿的及时干预训练至关重要，是后期提升生活质量、降低照顾开销的关键。本报告将介绍研究组近年来在ASD诊断和训练方面的探索，包括基于眼动及肢体行为表性分析的ASD辅助诊断，基于虚拟现实的ASD康复训练等。

简介：汪国华，东北林业大学教授、博士生导师、信息与计算机工程学院院长，国家杰青。主持5项国家自然科学基金项目，国家重点研发项目负责人。在Nature Communications、Nature Protocols、Nucleic Acids Research、Briefings in Bioinformatics和 Bioinformatics等国际著名期刊发表SCI论文70余篇。5篇入选ESI高被引论文。现任中国计算机学会生物信息学专委会常务委员；中国人工智能学会生物信息学与人工生命专委会委员；中国细胞生物学学会功能基因组信息学与系统生物学分会理事；CCF教育专业委员会执行委员。获评教育部新世纪优秀人才，获黑龙江省自然科学二等奖，教育部自然科学二等奖。

演讲题目：面向单细胞测序数据的智能方法研究

摘要：随着单细胞测序技术不断成熟与发展，以单个细胞为研究对象的基因组、转录组、表观遗传组等多组学研究，有力推动了分子生物学、遗传学、临床医学的快速发展。在单细胞测序数据爆发增长的背景下，单细胞转录组测序数据分析成为了生物信息学领域的研究热点。本报告将主要介绍单细胞转录组数据的降噪与聚类分析方面的研究，包括基于进化稀疏模型的数据降噪方法、利用张量图理论、多目标优化理论、多源数据融合思想的细胞聚类算法，及面向单细胞测序数据的癌症致病基因挖掘方法。

简介：徐迈，北京航空航天大学教授、博士生导师，教育部长江学者特聘教授，中国图像图形学学会青工委副主任。主持国家自然科学基金首批原创探索、重点、优青以及北京市杰青等项目。担任CCF多媒体技术专业委员会执行委员。获教育部技术发明一等奖（第一完成人）、中国人工智能学会技术发明一等奖（第二完成人）、中国科协求是杰出青年成果转化奖。研究兴趣为视频压缩、图像处理。近五年，在IJCV、IEEE TPAMI、TIP、JSAC、TMM等权威期刊以及IEEE CVPR、ICCV、ECCV、ACM MM、AAAI、DCC等重要会议上发表论文100余篇，多篇论文入选ESI高被引论文/热点论文，获IEEE/ACM最佳论文奖5项。担任IEEE J-STSP首席客座编委及IEEE TIP、TMM编委，连续两年获IEEE TMM杰出编委奖。

演讲题目：可解释人工智能技术与精准医疗

摘要：近年来，以深度神经网络为核心的人工智能技术推动了智慧医疗领域的快速发展，属于“面向人民生命健康”国家战略先导的核心关键技术。然而，深度神经网络通常是数据驱动下的“黑盒子”，与人类认知之间存在鸿沟，导致人工智能技术缺乏可解释性，导致基于人工智能技术的智慧医疗方法缺乏鲁棒性、普适性，从而严重制约了医疗诊断结果的精准性。为突破该困境，可借鉴人类层级式视觉认知机理，将人类医学诊断的先验知识有机融入深度神经网络，开展主动可解释人工智能与精准医疗关键技术研究，解决可解释深度学习从“被动理解”到“主动设计”的科学难题，实现面向智慧医疗诊断的深度神经网络“透明化”设计，从而保证医疗诊断结果的精准性、鲁棒性与泛化能力。为此，本次报告主要介绍北航徐迈团队在 “主动可解释人工智能技术与精准诊疗”的理论成果。最后，本报告将围绕进可信、可靠、可控的主动可解释人工智能技术发展趋势，展望未来智能精准医疗领域的主要研究方向。

简介：邬霞，北京师范大学教授、博士生导师，国家优青，北京师范大学认知神经科学与学习国家重点实验室研究员，教育部新世纪优秀人才。获吴文俊人工智能自然科学一等奖（序1），教育部自然科学二等奖（序1），茅以升北京青年科技奖（唯一）。担任CCF人工智能与模式识别专业委员会执行委员。主要从事脑成像数据的智能分析方法研究。以第一/通讯作者在Human Brain Mapping、NeuroImage、PR、JNE、IEEE TAC等高水平期刊及IPMI、MICCAI等医学图像处理顶级国际会议发表论文100余篇。

演讲题目：时-空共变脑功能智能分析

摘要：大脑是自然进化中最复杂、最完善的动态信息处理器，是人类思维和行为的核心中枢。大脑功能是由其网络在多时空尺度上运行的众多神经元回路的相互作用完成的。研究拟从大脑在外界刺激时产生的脑功能激活和脑功能网络变化出发，构建大脑时-空共变模式的智能算法模型，实现大脑功能活动过程的精确智能刻画。本研究的开展旨在为大脑的研究及脑疾病的辅助诊断与预测提供新思路，以期推动认知神经科学启发的人工智能算法的进步和完善。

简介：李阳，北京航天航天大学教授、博士生导师、自动化科学与电气工程学院副院长，入选教育部青年长江学者奖励计划。主要从事图像处理与深度学习、神经退行性脑疾病诊断、脑机接口与类脑计算等方面的独创性研究，发表学术论文50余篇，其中以第一或通讯作者在IEEE Transactions on Medical Imaging, IEEE Transactions on Neural Networks and Learning Systems等人工智能及医学图像处理等领域国际权威SCI期刊上发表论文50余篇，ESI高被引论文3篇，SCI他引1500余次。主持国家自然科学基金重点项目、北京市自然科学基金重点项目及航天合作课题等10余项资助。

演讲题目：个体化脑疾病辅助诊断与挑战

摘要：本报告介绍与临床深度合作，采用多模态个体化脑网络与小样本深度学习融合的研究方法，结合临床知识驱动，探讨基于电生理数据、多模态结构/功能影像数据及眼底图像数据驱动模型假设，如何用于揭示脑疾病的脑活动机制，解决神经慢性脑疾病发病机理不明且误诊率高、临床难以有效检测大脑异常活动机制的问题。揭示了临床神经慢性脑疾病的潜在脑功能异常活动机制，为探索神经慢性脑疾病的个体化脑功能网络异常连接机理提供了理论基础和技术支持，为神经系统个体化神经调控与康复治疗干预提供了量化评估分析工具。

简介：张长青，天津大学副教授、博士生导师、人工智能学院副院长，国家级人才。其主要研究方向为机器学习、计算机视觉、智能医疗。2017-2018年在北卡罗拉纳大学教堂山分校担任研究员。在IEEE TPAMI/IJCV/NeurIPS/ICLR等期刊和国际会议上发表论文100余篇，10篇论文单篇引用超过200次，6篇论文入选CVPR/NeurIPS/ICML口头报告或亮点论文。Google Scholar引用近7000次。研究成果获得中国图象图形学学会自然科学奖一等奖、ICME最佳论文等奖励，入选百度发布的全球人工智能华人青年学者榜单、斯坦福大学发布的全球顶尖科学家榜单。受邀为IEEE TPAMI、IJCV、CVPR、ICCV、ECCV、NeurIPS、ICML、ICLR等多个国际高水平期刊及会议审稿。主持和参与多项国家自然基金面上项目/重点项目、国家重点研发计划项目。

演讲题目：可靠性多模态融合技术及医学应用

摘要：多模态已经成为大数据时代的标志性特征。多模态只能技术正在被广泛应用到智能医疗、机器人感知等重要领域。精准、可靠的多模态机器学习成为支持重要应用的关键技术。多模态数据为智能系统提供了丰富信息，使得多模态智能系统可以“兼听则明”，提高分类和预测准确性。在许多真实应用中，由于传感器的不稳定性和损坏、场景的动态变化，造成了关联复杂、低质量的多模态数据。本报告将介绍如何实现可靠的多模态数据融合，保证多模态协同的稳定性和可信性，以及多模态技术在智能医学领域的应用。