報告題目：利用合成數據輔助CT圖像分割的深度學習方法（Annotation-Efficient Deep Learning for Computed Tomography Image Segmentation via Synthetic Data）

報告時間：2023年5月9日16:00（包括香港浸會大學博士招生計劃介紹）

報告地點：437bwin必贏國際官網八樓報告廳

報告人：阮邦志（Pong C Yuen）

報告人國籍：中國香港

報告人單位：香港浸會大學

報告人簡介：阮邦志（Pong C Yuen）,IAPR Fellow，現任香港浸會大學理學院副院長和計算機科學講席教授,于2011-2017年擔任計算機科學系系主任。阮教授曾擔任訪問學者，訪問多所大學與研究機構，包括悉尼大學、馬里蘭大學帕克分校、法國國家信息與自動化研究所羅納阿爾卑斯分所、蘇黎世聯邦理工學院和博洛尼亞大學。阮教授于2004年擔任Croucher高級研究所（ASI）生物識別認證的主任，于2007年擔任Croucher ASI生物安全與隱私的主任。自2017年起，他一直擔任IAPR/IEEE生物識別冬令營主任。阮教授曾擔任多個國際重要會議的程序委員會聯合主席，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）的副主編，并于2018年獲得杰出編輯委員會服務獎，IEEE生物識別委員會技術活動副主席，以及SPIE電子成像期刊的副主編/高級編輯。目前，阮教授擔任IEEE TIFS的Senior Area Editor、Pattern Recognition的編輯委員會成員、以及IEEE Transactions on Biometrics, Behaviour and Identity Science的副主編。曾獲得廣東省自然科學一等獎和中國教育部自然科學二等獎。

報告摘要：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。

報告結束后將進行香港浸會大學（HKBU）博士招生計劃HKPFS介紹。

邀請人：葉茫