CNCC | 第七届中日韩（CJK）适老助残技术论坛——大模型赋能无障碍

陈益强

CCF会士

中国科学院计算技术研究所研究员/博导

现任中国科学院计算技术研究所副所长，移动计算与新型终端北京市重点实验室主任。兼任国家“现代服务业”和“BT和IT融合”重点专项总体专家组成员。曾入选国家级科技创新领军人才、科技部中青年科技创新领军人才以及北京市科技新星等。主要从事人工智能、普适计算、联邦学习等方向研究，在多模态高精度感知、跨模态细粒度关联、眼科和脑疾病智能辅诊模型及联邦平台等研究方面取得成果，在国际重要期刊和会议上发表论文 200 余篇，获得会议最佳论文奖 7 项；申请发明专利 100 余项，授权 50 余项；曾获国家科技进步奖二等奖以及 2017CCF 技术发明一等奖（排名第一），2015、2016 连续两年获北京市科技进步二等奖等。

蒋鑫龙

中国科学院计算技术研究所副研究员/硕导

CCF普适计算专委委员，现任中国科学院计算技术研究所副研究员、硕士生导师，济南中科泛在智能计算研究院副院长，同时为中国人工智能学会智慧医疗专委委员，中国图象图形学学会人机交互专委委员，参与IEEE 联邦计算FML、可解释人工智能XAI等标准制定。研究方向为可穿戴行为感知与人机交互，开展面向儿童注意缺陷多动障碍，孤独症谱系等认知障碍的早筛、辅诊及可解释人工智能算法研究。主持和参与多项国家自然科学基金面上项目、国家重点研发计划、北京市自然科学基金项目等课题的研究，相关成果在Ubicomp，ACM CHI等会议和Neural Computing & Applications、Soft Computing等期刊发表，荣获CHI2017最佳论文提名，PCC2016最佳论文提名等。

卜佳俊

CCF会士、常务理事、公益工委主任

浙江大学博士、教授/博导

现任浙江大学研究生院副院长，中国残疾人信息和无障碍技术研究中心副主任，浙江省服务机器人重点实验室主任。主要研究方向有人工智能、大数据分析与挖掘、信息无障碍等。作为项目负责人，已承担和完成国家和省部项目10多项、重大企业合作和国际合作项目20余项。发表学术论文100多篇，其中包括CCF A类会议和期刊论文50多篇，获人工智能领域最好的国际会议AAAI 2012杰出论文奖（系该国际会议自1980年创办以来中国大陆学者首次获奖）。出版著作3部，授权国家发明专利30多项。获国家科技进步二等奖1项、国家技术发明二等奖1项、浙江省科学技术一等奖4项。作为第一起草人制定信息无障碍领域国家标准2项，参与制定国家和行业标准3项。由于在科技助残方面的突出贡献，入选2020年度全国助残新闻人物（高校届唯一代表，全国共10人）。

多模态大模型赋能信息无障碍

随着图像和音视频内容的爆发式增长，多媒体已成为互联网传播信息的主要渠道。虽然这些多媒体提供了更为丰富的信息表达方式，但是对老年人和残疾人士带来了感知和理解的困难。今年9月刚刚生效的《无障碍环境建设法》中更是重点关注了老年人和残疾人无障碍地获取、使用和交流信息。近年来，大型模型，尤其是多模态大型模型，为信息无障碍技术与系统的实现和进一步提升提供了更多可能性。本次报告将分享我们在利用多模态大型模型赋能复杂图表、视频等多媒体信息无障碍方面的工作，并展望未来的前景。

王耀威

鹏城实验室研究员，视觉智能研究所所长

在多媒体领域开展研究工作20余年，授权50多项专利，在顶级国际期刊和会议上发表论文120余篇。曾主持或参与国家级、省部级重要项目及企业合作科研项目20余项。作为IEEE DCSC数字视网膜系统工作组主席推进数字视网膜系统标准化。曾获2017年国家技术发明二等奖、中国电子学会2015年技术发明一等奖和2022年科技进步一等奖。

鹏城·大圣视觉基础模型及其在眼病辅诊领域的应用

基础模型正在推动人工智能应用模式的变革。AI技术实际应用的关键是让模型摆脱单一任务或领域局限，适配各种不同场景任务。鹏城实验室视觉智能研究所研发的鹏城·大圣视觉基础模型，是一种具有强泛化性能力的表征模型；本报告将分享鹏城·大圣视觉基础模型的构建方法，以及面向下游应用任务的适配技术，并分享模型在眼科疾病辅助诊疗领域的初步实践结果。同时，也将讨论基础模型在疾病预防、诊断和治疗等方面的未来展望和挑战。

方震

中国科学院空天信息创新研究院研究员/博导

中国科学院大学教授，中国科学院王宽诚人才奖，中国医学科学院“个性化呼吸慢病管理”创新单元主任，中国医学科学院医学与健康科技创新工程首席专家。互联网+医疗健康工作委员会副主任委员、医学装备人工智能联盟皮肤科委员会副主任委员等兼职。从事新型医疗电子和医学人工智能技术研究，完成国家级科研项目20余项，发表SCI论文150余篇，授权国家发明专利50余项。第十届国际发明展览会“发明创业奖”金奖。2020年产学研促进会创新成果一等奖。2022年军事科学技术进步奖一等奖。

基于毫米波雷达的非接触式医疗健康监测技术研究

基于毫米波雷达的无感式医疗健康监测研究，解决使用者依从性问题，避免因接触式佩戴设备带来的不舒适感，有助于将健康监测融入日常生活。首先，团队研制了基于调频连续波（FMCW）雷达的集成化系统，开展无感式心率、血压的连续动态监测研究。其次，在跌倒检测方面，提出基于多模态雷达信息融合的跌倒检测方法，获取不同雷达特征信息完成检测，有助于帮助人们及时获取跌倒信息。同时，团队探索研究出多种模型，用于人机交互。例如，基于心脏雷达信号的开集身份识别模型，基于半监督学习的步态识别模型，半监督手势识别框架等。这些模型有效帮助用户和计算机系统之间进行信息交流，可实现用户的个性化监测和管理。未来在医疗照护，智能化养老，心律失常、卒中、慢阻肺和睡眠呼吸暂停等慢病管理领域具有广阔应用前景。

刘艳菊

中国南京特殊教育师范学院数学与信息科学学院教授、教育技术学专业系主任

2013年取得哈尔滨理工大学机械工程学院工学博士学位，主要研究领域为深度学习、模式识别、三维重建等。

多模态三维时空推理的老年人日常行为分析

随着人口老龄化加剧，人们对老年群体的身心健康重视程度在不断增加，人工智能等信息技术已为老年群体的生活方式、健康监控、参与社会的途径带来了突破性改善。对老年群体而言，人工智能技术的应用对其生理和心理价值补偿的效果，主要取决于信息交流无障碍环境和服务的完善程度。通过对老年群体多模态融合态势感知研究，可以消弭老年人与社会交流的鸿沟，使平等和融合的虚拟世界变得可能并得以实现。本报告主要以65岁-75岁年龄之间的老年人为研究对象，重点分析老年人的微表情和肢体行为，利用模式识别技术分析老人当前的情绪状态和身体状况；通过视频信息进行上下文分析和三维时空推理，态势感知老人的健康状态。

陈益强

CCF会士

中国科学院计算技术研究所研究员/博导

泛在模型服务在医疗健康领域的应用

泛在模型服务是一种智能驱动的技术框架，以模型即服务（Model-as-a-Service）范式为基础，通过整合和共享各类医疗模型，为医疗机构和个人提供更智能、高效、准确和个性化的服务。大模型研究在近年来发展迅速，智能模型的训练应用模式将由“炼大模型”向“联大模型”转变。本次报告将分享如何通过医疗模型的智能联邦和协同优化，构建覆盖多领域、多任务、多场景的泛在模型服务网，探讨其在健康管理、疾病预防、诊断和治疗等方面的应用，以及其对医疗服务质量和效率的提升。此外，我们将讨论泛在模型服务网在智慧健康医疗领域中的未来展望和挑战。