2024年11月1日，IMED团队邀请了之江实验室的朱闻韬研究员、南方科技大学的唐晓颖教授和中国科学院深圳先进院的李志成教授，为同学们带来了一场线上讲座，主题涵盖知识引导的极弱信号小病灶智能成像与探测、多模态眼科图像基础模型及高效微调、以及肿瘤跨尺度分析与诊疗。讲座激发了学生们的科研兴趣，加深了大家对人工智能在医学影像处理中的应用理解。本次讲座由IMED团队的张炯副研究员主持。
朱闻韬研究员在题为《知识引导的极弱信号小病灶智能成像及探测》的报告中，探讨了医学影像广泛应用于临床诊疗与预后评估的现状。相较于自然图像，医学影像具有显著的领域特点，通常以3D立体形式呈现，对图像定量精度要求高，诊断结果也对局部纹理细节高度敏感。近年来，人工智能的介入推动了医学影像技术的迅速发展，但在应对医学影像数据的特异性和高保真需求上，AI的泛化能力仍存不足。本次报告介绍了其团队在PET和CT等医学影像模态上所开展的研究，分享了CT与PET图像重建和后处理中的计算驱动影像处理方法，并探讨了AI与经典影像物理原理相结合的机遇和挑战。
唐晓颖教授的报告主题为《多模态眼科图像基础模型及高效微调》。她指出，基础模型的预训练与微调在多个领域取得了显著进展，尤其在自然语言处理和计算机视觉任务中表现优异。然而，在医学影像领域，尤其是眼科影像的应用上，仍面临诸多挑战。医学影像数据量小、模态复杂，且高质量模型的训练需要大量计算资源。此外，现有数据的质量和多样性有限，制约了基础模型在下游任务中的泛化能力。唐教授基于信息熵掩码策略提出了多模态融合技术，通过挖掘图像的潜在模式，在多个下游任务中实现了出色的表现。她还分享了一种基于提示符的高效微调技术，显著减少了处理高分辨率医学影像时的内存需求，并在有限计算资源下提升了模型性能。
李志成教授在主题为《肿瘤跨尺度分析与诊疗》的报告中，介绍了影像-病理-基因多模态跨尺度分析作为肿瘤研究中的新突破点和原始创新源，已成为解析肿瘤组织、细胞及分子多尺度复杂特性的关键工具。然而，当前肿瘤研究大多集中在单一尺度上，缺乏多尺度融合解析手段，限制了肿瘤诊疗的发展。人工智能在跨尺度信息融合方面显示出潜力，但在肿瘤诊疗中的表现尚不及自然图像和语言领域。李教授提出了若干亟待解决的重要科学问题，包括如何融合影像、病理和基因多模态数据以突破脑肿瘤诊疗瓶颈，及这些跨尺度数据是否能够揭示脑肿瘤的新生物学规律与治疗靶点。这些问题的解决有赖于临床医学、信息科学和生物学的深入合作，被认为是推动肿瘤研究和精准诊疗变革的重大机遇与挑战。
通过本次的讲座，同学们收获颇丰，不仅拓展了科研的思维，也被三位学者的严谨认真的科研精神所折服。同时希望IMED的同学们能不断吸收新的知识，锐意进取，在科研道路上披荆斩棘！