报告时间：5月27日 10:00

报告地点：行政C 505

报告人：Wei Huang

报告内容:

当今时代，大量的医学图像还仍然被临床医生从视觉上和定性上临床诊断，伴随着日常的诊断和治疗不断增加的医学图片的增加了对于能够合并医学图像的计算技术的需求，这些技术可以对更多的目标定量诊断以此对诊断决策的做出提供帮助。虽然对于各种医学应用方面的呃医学图像计算的研究正在变得更加集中和强化，但是充分自动并且稳定的，可以被临床医生在其临床诊断便利使用的医学图像计算方法非常有限。这是由于这样一个事实，大量同时代的方法仍然很严重地依赖大量的由系统开发者在实验中预定义的参数。这些有点ad-hoc的方法需要被改进为可以更简单方便地处理各种诊断需要的方法。在这篇报告中，医学图像计算技术中自动参数的协调的问题被认为是一个学习问题，更为具体地说，报告集中讨论各种各样的相似点的学习问题。这篇文章提出的异常相似的学习方法针对了三个流行的医学应用，包括脑核磁共振图像分割，疾病严重度的预测，基于内容的医学图像检索。

报告人简介

Wei Huang先生 分别在在2004和2006年 获得了哈尔滨工业大学的学士和硕士学位。 2007年到2010年，他是新加坡南洋理工大学的电子和电气工程的博士生， 现在正在等待博士答辩。在2011年，他访问加利福尼亚大学，做为放射肿瘤学的研究助理。黄先生的研究兴趣包括机器学习，模式识别和集中于医学图像计算和计算机视觉应用方面的图像处理。他的一些研究已经在顶级会议和期刊上发表， 包括 MIC-CAI, TMI等. 黄先生也是2010年MICCAI-MLMI的最佳论文奖。