V
主页
京东 11.11 红包
20240828【医学多模态分析与研究：从传统模型到大模型的演变】刘明霞：多中心多模态脑影像智能分析及应用研究
发布人
报告嘉宾：刘明霞 (北卡罗来纳大学教堂山分校) 报告时间：2024年8月28日 (星期三)晚上20:00 (北京时间) 报告题目：多中心多模态脑影像智能分析及应用研究 报告人简介： 刘明霞，助理教授，美国北卡罗来纳大学教堂山分校。2015年在南京航空航天大学计算机科学与技术学院获得博士学位。2014年至2017在美国北卡罗来纳大学教堂山分校先后以研究助理和博士后研究员身份进行研究工作。目前主要从事机器学习、模式识别和医学图像分析等领域的研究工作。目前担任权威期刊Pattern Recognition、Medical Image Analysis、Neural Networks和 IEEE Transactions on Cognitive and Developmental Systems等著名杂志的副主编；在IEEE Transactions on Pattern Analysis and Machine Intelligence、Nature Communications、IEEE Transactions on Cybernetics、IEEE Transaction on Medical Imaging、Medical Image Analysis和AAAI等国顶级期刊和会议上发表论文200余篇；相关研究工作被谷歌学术引用8000余次。曾获国际医学图像计算与计算机辅助介入学会（MICCAI）颁发的青年学者成就提名奖、中国人工智能学会颁发的优秀博士学位论文提名奖、以及江苏省计算机学会颁发的优秀博士学位论文奖等。 个人主页： https://mingxia.web.unc.edu/ 报告摘要： Multi-site multi-modal neuroimaging data, such as magnetic resonance imaging (MRI) and positron emission tomography (PET), are critical to expanding the diversity of subject populations and enhancing the statistical robustness of predictive models in neuroscience research. Despite their potential, the field faces substantial challenges, notably the heterogeneity of data across imaging sites and modalities. Addressing these complexities, my research focuses on creating machine learning and deep learning methodologies to analyze multi-modal imaging data from multiple sites, with the goal of uncovering imaging biomarkers associated with neurodegenerative disorders. This talk will delineate our progress in address three long-standing challenges: neuroimage representation learning, multimodality neuroimage fusion, and multi-site data adaptation. Key highlights will include our latest advances in the representation learning of MRI, capturing both structural and functional dimensions. Subsequently,
打开封面
下载高清视频
观看高清视频
视频下载器
20240731【多模态研究进展】徐偲：面向低质多模态数据的深度学习
【VALSE2024】0505 林倞《APR：面向具身智能的多模态感知与交互》
20240117【学术新人“修炼手册”】彭思达：完成一篇论文的科研历程与经验
20241009【视觉计算中的跨域和跨任务学习问题】赵知临：外分布机器学习理论与算法
20240918【医学视觉语言大模型：进展与展望】郑冶枫：Medical Imaging Meets Vision-Language Model
20210407【如何做出高水平的科研工作？--来自顶会AC/PC的观点】Panel
20240327【多模态大模型的前身与今世】叶翰嘉：基于大语言模型的CLIP零样本分类
20240814【多模态医学图像处理及医学大模型的发展近况】王连生：病理数据的多模态分析
20240717【面向事件相机的物体检测与跟踪】李家宁：Object Detection with Neuromorphic Cameras
【VALSE2024】0505 赵恒爽《APR：视觉基础大模型》
20231011【医疗基础模型 (上)】朱闻韬：病理图像大模型研究与应用
20240717【面向事件相机的物体检测与跟踪】王逍：Visual Object Tracking using an Event Camera
何恺明首个具身智能工作！HPT：异构预训练Transformer！收录顶会NeurIPS 2024！
20240814【多模态医学图像处理及医学大模型的发展近况】Panel
20210414【元学习研究的进展与未来】孟德宇：应对高光谱复杂噪声的加权模型：一种数据驱动的显式加权机制
【VALSE2024】0505 高林《APR：三维高斯泼溅（3D Gaussian Splatting）》
【VALSE2023】0610 张兆翔《类脑智能》
20240918【医学视觉语言大模型：进展与展望】李响/章恺：BiomedGPT: A generalist vision–language foundati…
20230329【多模态预训练的研究进展与未来】朱霖潮：多模态分析中的迁移与对齐技术
【VALSE2024】0505《2023-2024年度CV与ML领域重要学术进展》
20230329【多模态预训练的研究进展与未来】宋睿华：多模态预训练模型及在智能创作领域的应用
【VALSE论文速览-33期】部分标记下的多器官和肿瘤分割算法
20240918【医学视觉语言大模型：进展与展望】周洪宇：Learning to diagnose whispers of the human body
【VALSE论文速览-125期】Multi-view Adversarial Discriminator: Mine the Non-causal……
20231206【三维大模型探索】白磊：风乌 - 人工智能驱动的3D大气数据建模及应用
20230913【图神经网络理论与算法】魏哲巍：图卷积神经网络：理论与计算
20230426【通用大模型时代的计算机视觉研究】Panel
【VALSE2024】0506《Tutorial：开放词汇视觉感知论坛》
【VALSE2024】0506《Workshop ：具身智能的视觉与学习》
20200520 大规模医学图像中的计算与学习问题
20231120【因果可信学习】崔鹏：人工智能泛化安全的因果性与异质性视角
【VALSE2024】0505 王兴刚《APR：面向大模型的新型高效率网络架构》
20230531【大模型时代下的三维视觉：路在何方？】刘子纬：大模型时代下的3D AIGC
20220803【妙笔生花，画龙点睛： 视觉生成式模型专题研讨】李崇轩：扩散概率模型与其加速推断算法
20220914【视频理解研究进展与未来】寿政：大规模视频-语言预训练
【VALSE2023】0610 吴建鑫《神经网络模型轻量化设计》
20201125 耳聪目明：多模态认知计算的未来
【VALSE论文速览-10期】GraspNet-1Billion：机器人通用物体抓取的新方法论
20230531【大模型时代下的三维视觉：路在何方？】Panel
20210811【知其所以然：因果推理与学习】Panel
