报告人（顺序按专家姓氏首字母）

特邀讲者:  陆遥教授，中山大学

演讲题目：Multiscale Bilateral Filtering for Improving Image Quality in Digital Breast Tomosynthesis

简介：陆遥，博士，中山大学数据科学与计算机学院教授，博士生导师。现为广东省计算数学学会秘书长、广东省计算科学重点实验室副主任、广东联通“智慧城市”专家组成员和广东生物超算与健康产业大数据应用联盟专家委员会成员。长期从事医学影像、医学图像分析、机器学习和数据挖掘领域的研究工作。曾与美国通用电器(GE)全球研发中心合作开发了新一代乳腺层析成像设备和乳腺癌计算机辅助诊断系统；现与美国哈佛大学医学院及密西根大学医学院合作进行乳腺癌计算机辅助诊断算法研究。主持过世界著名的乳腺癌基金会Susan Komen基金会研究基金、国家自然科学基金项目、广东省前沿与关键技术创新重大专项基金各一项，2013年入选中组部“千人计划”项目，及中山大学“百人计划”。在医学影像及图像分析领域国际一流期刊Applied and Computational Harmonic Analysis, Inverse Problems, Medical Physics, Physics in Medicine and Biology, IEEE Transactions on Circuits and System I 等上发表SCI/EI论文16篇，以及国际主要学术会议论文17篇。主办过三次科学计算与图像分析领域国际会议，为16个国际著名学术期刊审稿人。

摘要：Detection of subtle microcalcifications in digital breast tomosynthesis (DBT) is a challenging task because of the large, noisy DBT volume. It is important to enhance the contrast-to-noise ratio (CNR) of microcalcifications in DBT reconstruction. Most regularization methods depend on local gradient and may treat the ill-defined margins or subtle spiculations of masses and subtle microcalcifications as noise because of their small gradient. The authors developed a new multiscale bilateral filtering regularization method for the simultaneous algebraic reconstruction technique to improve the CNR of microcalcifications without compromising the quality of masses.

特邀讲者:  汤步洲博士，哈尔滨工业大学

演讲题目：面向医疗健康领域的自然语言处理：以中文临床医疗文本处理为例

简介：汤步洲，哈尔滨工业大学深圳研究生院，助理研究员、硕士生导师。1984年12月生，博士（后），IEEE会员，ACM会员，中国计算机学会会员，人工智能学会青年工作委员会委员，中文信息学会青年工作委员会委员，中文信息学会“医疗健康与生物信息处理（筹）”专业委员会秘书长，中国民族卫生协会信息化专业委员会委员，深圳市“孔雀计划”人才。2005年7月毕业于吉林大学获计算机科学与技术专业理学学士学位，同年保送哈尔滨工业大学攻读博士学位，2011年3月毕业于哈尔滨工业大学获计算机应用专业工学博士学位。2011年7月进入哈尔滨工业大学博士后流动站从事博士后研究工作，同年12月赴美访问至2013年7月。访美期间先后在美国范德堡大学医学信息系和德州大学休斯敦健康科学中心生物医学信息学院做博士后研究员。主要研究方向包括机器学习，数据挖掘，自然语言处理和医学信息学等。近年来，在重要国际期刊和会议上发表学术论文近60篇，其中SCI/EI检索论文40多篇（SCI检索论文21篇，JCR一区论文9篇、二区论文7篇，SCI检索论文总影响因子超过50）；获发明专利2项；相关研究成果获省一等奖1项，市科技创新奖1项；多次组织参加相关研究领域国际评测，获得第一名。担任重要国际期刊IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Knowledge and Data Engineering、Journal of the American Medical Informatics Association等审稿人。参与完成多项国家863（包括目标导向重点）、自然科学基金（包括重点）和省市科技项目。主持完成博士后基金一项，目前承担自然科学基金青年项目一项、省部级项目一项和公司合作项目一项，作为主要参与人参加国家、省市项目多项。

摘要：医疗健康是人类社会永恒的话题，大数据时代，医疗健康领域的科学研究模式正悄然发生变化，以数据为驱动的研究模式逐渐受到研究者们的广泛关注，亦取得了大量可喜的研究成果。在医疗健康大数据中，文本数据无处不在，医疗健康文本处理是医疗健康大数据分析的重要组成部分，其相关技术对医疗健康领域的发展具有重要意义。本报告将简单介绍医疗领域中的自然语言处理问题及相关技术，通过分享讲者在中文临床医疗自然语言处理方面的一些研究工作，探讨中文临床医疗文本处理当前所面临的问题与挑战。

特邀讲者:  夏勇教授，西北工业大学

演讲题目：深度学习在医学影像分析中的应用与挑战

简介：夏勇教授，西北工业大学教授、博导，分别于2001、2004和2007年从西北工业大学计算机学院获得学士、硕士和博士学位；2007年1月加盟悉尼大学信息技术学院生物医学与多媒体技术（BMIT）实验室开展博士后研究，2013年入选国家“青年千人”计划，并于同年底回到西北工业大学计算机学院工作，现为西工大计算机学院多学科交叉计算研究中心（CMCC）执行主任；现主持国家自然基金面上项目一项，省部级项目两项，曾参与完成中国和澳大利亚国家级项目近十项；在医学影像分析和多媒体信息处理等领域做出了数项具有一定科学价值和应用价值的贡献，发表学术论文60余篇，其中超过30篇发表在重要国际学术期刊上，受到了国内外同行的积极评价，部分成果已经在科研和工程项目中得到了应用；先后获得了国防科学技术奖三等奖、中国计算机学会优秀博士论文奖和全国优秀博士学位论文提名；现担任陕西省外专局引智专家咨询委员会委员、陕西省图象图形学学会理事、山东省医学物理图像处理技术重点实验室学术委员会委员和IEEE-TIP等十多个国际学术期刊审稿人，并参与组织了近20次国际会议。

摘要：近年来，深度学习技术得到了迅速发展和广泛关注，并且在图像分类、人脸识别、语音识别、自然语言理解和广告推荐等领域的取得了巨大的成功。该技术的成功，不仅在于它非常适合于解决大数据时代的机器学习问题，也在于它使用统一的模型实现对数据的描述和分类识别，从而避免了模式识别过程中高度依赖经验的特征提取环节。本报告将给出我们应用深度学习技术进行医学影像分析的最新研究进展，也将探讨医学影像深度学习研究所面临的挑战。

会场方位图

广州大学城华南理工大学软件学院B8副楼报告厅

交通

Ø  乘公交（381，382，387，大学城专线1，2，3等）至华工站，然后步行至图书馆正门，从图书馆正门对着正校门笔直走，即可到达。

Ø  乘公交（380A，380B，380路环线，番201等）至华工正门站，进入校门，直走往左，即可到达。

Ø  自驾，终点是外环东路华工正门站，进入校门，直行往左，即可到达。