报告题目：利用合成数据辅助CT图像分割的深度学习方法（Annotation-Efficient Deep Learning for Computed Tomography Image Segmentation via Synthetic Data）

报告时间：2023年5月9日16:00（包括香港浸会大学博士招生计划介绍）

报告地点：美高梅4688集团am八楼报告厅

报告人：阮邦志（Pong C Yuen）

报告人国籍：中国香港

报告人单位：香港浸会大学

报告人简介：阮邦志（Pong C Yuen）,IAPR Fellow，现任香港浸会大学理学院副院长和计算机科学讲席教授,于2011-2017年担任计算机科学系系主任。阮教授曾担任访问学者，访问多所大学与研究机构，包括悉尼大学、马里兰大学帕克分校、法国国家信息与自动化研究所罗纳阿尔卑斯分所、苏黎世联邦理工学院和博洛尼亚大学。阮教授于2004年担任Croucher高级研究所（ASI）生物识别认证的主任，于2007年担任Croucher ASI生物安全与隐私的主任。自2017年起，他一直担任IAPR/IEEE生物识别冬令营主任。阮教授曾担任多个国际重要会议的程序委员会联合主席，包括ICPR 2006、BTAS 2012、ISBA 2016、WIFS 2018、IJCB 2021等。阮教授曾任IEEE Transactions on Information Forensics and Security（TIFS）的副主编，并于2018年获得杰出编辑委员会服务奖，IEEE生物识别委员会技术活动副主席，以及SPIE电子成像期刊的副主编/高级编辑。目前，阮教授担任IEEE TIFS的Senior Area Editor、Pattern Recognition的编辑委员会成员、以及IEEE Transactions on Biometrics, Behaviour and Identity Science的副主编。曾获得广东省自然科学一等奖和中国教育部自然科学二等奖。

报告摘要：Pixel-level annotation is an expensive process and has been one of the key challenges in developing deep learning based image segmentation. The problem is even more challenging for medical images because medical professional is required for annotation and normally abnormal regions in medical images are relatively small.

In this talk,I will briefly give an overview of existing approaches in annotation-efficient deep learning for medical image segmentation. After that, I will report our approach by leveraging synthetic medical images. In specific, I will share two recent research works, namely towards annotation-free liver tumor segmentation and semi-supervised learning for COVID-19 pneumonia infection segmentation. Finally, I will discuss the research directions towards annotation-free medical image segmentation。

报告结束后将进行香港浸会大学（HKBU）博士招生计划HKPFS介绍。

邀请人：叶茫