应中心主任王田教授邀请，肖立教授近日到访工程中心，作“跨尺度多模态生物医学计算”报告。
为此，肖立教授专注跨尺度多模态生物医学计算，旨在解决数据稀疏标注、域迁移、强干扰等非理根数据条件下的医学图像识别和多模态融合问题。
本次交流活动肖立教授计划同我中心在图像识别领域进行合作，一起进一步突破生物医学图像识别技术难点。包括图像数据量巨大、图像处理高要求以及图像语义理解复杂等。
1、图像数据量巨大：生物医学图像数据量庞大，特别是在深度学习应用中，需要大量的数据进行训练和验证，对计算资源和存储容量都提出了更高的要求。
2、图像处理要求高：生物医学图像存在复杂的噪声、变形和失真等问题，需要针对不同情况的图像进行预处理、分割、配准等操作，对算法的鲁棒性和精度提出更高的要求。
3、图像语义理解复杂：生物医学图像中的不同组织、器官和病变存在复杂的几何和纹理特征，需要运用深度学习等人工智能技术进行特征提取和选择，对医生的标注和训练提出更高的要求。
本次学术交流，肖立教授分享医学影像识别的研究成果和最新技术，让我们看到深度学习在生物医学图像识别的应用前景。希望这次合作将促进双方的技术交流和共同发展，推动生物医学图像识别技术的进一步发展和应用。
肖立教授简介：
肖立，清华大学本科，美国加州大学博士，北京邮电大学教授。长期从事多模态跨尺度生物医学问题的建模计算研究工作，系统地解决了数据稀疏标注、域迁移、强干扰等非理根数据条件下的医学图像识别和多模态融合问题，提出了增强医学特征泛化性和鲁棒性的系列方法，取得了疾病诊断、病灶识别、影象报告生成、关键点检测等国际标准评测集上的领先性能。
