报告人：张法，中国科学院计算技术研究所

报告题目：基于深度学习的医学病理图像分析

报告时间：2021年11月17日9:00-10:00

报告地点：腾讯会议 ID：464 306 942

报告摘要：

病理图像是癌症诊断的金标准。由于病理图像结构复杂、缺乏标注数据等问题，深度学习方法在医学病理图像分析的准确性还有待进一步提高。此外，基于深度学习融合病理图像和基因组数据的方法已被广泛应用于癌症的预后评估，但现有模型未能充分利用神经网络强大的表示学习能力，无法有效地融合病理图像和基因组数据的多模态特征。在本报告中，将介绍我们在医学病理图像分析的最新研究结果，包括（1）基于混合深度网络、融合电子病历和基于领域知识等提高病理图像分类准确性的方法；（2）基于迁移学习解决标注数据缺乏的问题和（3）融合病理图像和基因组数据用于癌症生存分析的初步研究成果。

个人简历：

张法，博士，中国科学院计算技术研究所研究员，博士生导师。毕业于中国科学院计算技术研究所。现任中国计算机学会生物信息学专委会秘书长，中国生物物理学会冷冻电镜分会理事。主要从事生物信息学、生物医学图像处理和高性能计算等方面的研究工作，近年来在生物医学图像处理、影像基因组学、生物医学数据整合等方面取得了多项重要研究成果：研发了国内首款冷冻电镜三维重构的软件-AuTOM；结合人工智能技术开发了系列医学病理图像分类分级处理技术，相关研究成果已在多家科研机构和医院应用。率队获得2021年国际三维模型检索挑战赛（SHREC2021）冷冻电镜电子断层生物图像分类大赛全球第一名的成绩。作为项目负责人和主要参与人承担了多项科技部重点研发专项、国家自然科学基金重点和国际合作重大项目、中科院先导、中科院知识创新重点等项目。在Cell Research、Sciences Advances、Bioinformatics和SIAM Journal on Scientific Computing等国际著名期刊和ISMB、ICCV等顶级国际会议发表论文140余篇。