Topics专题研讨会：AI and Medicine

Topics专题研讨会：AI and Medicine | MDPI Seminar (一)

发表时间：2024-11-28 阅读量：188

本次会议由MDPI主办，主题为“AI and Medicine”，旨在探讨人工智能在医学领域的最新进展和应用。会议将于2024年12月3日和5日在线举行，由浙江大学附属邵逸夫医院的章仲恒副教授主持。章仲恒副教授同时也是 Diagnostics 期刊的副主编，他的研究专注于急危重症的大数据精准诊疗。

会议将涵盖多个议题，包括数据驱动的脓毒症分型及精准化诊疗、智能病理影像基因组学、机器学习在医学研究的应用、通用视网膜基础模型的开发等。特邀专家们将分享他们在这些领域的研究成果和经验。例如，邵伟教授将讨论病理影像基因组学的最新进展，而李文龙博士将介绍视网膜图像分析模型RETGLoT的开发和应用等。

此外，会议还包括关于超声散射成像与超声AI、智能高光谱影像在精准医疗诊断中的应用、以及Trustworthy AI在临床诊断中的应用等报告。最后，MDPI出版人陈艳女士将介绍 Diagnostics 期刊及学术出版中的AI应用和政策。

本次会议将为参与者提供一个深入了解AI在医学领域应用的平台，促进学术交流，并探索未来研究方向。会议将通过MDPI微信视频号、小鹅通直播平台、科研云平台和蔻享学术进行直播，欢迎全球医学和AI领域的专业人士参与。

1 研讨会信息 Seminar Info

● 时间

2024年12月3日 14:00–16:40

● 观看通道

| 小鹅通直播间 |

点击链接，观看直播：https://dbofi.xetlk.com/sl/2CEonX。

● 学者交流群

长按识别二维码，添加小助手微信，备注“学校+姓名+研究方向”，邀您加入 MDPI 学者交流群，获取直播链接，掌握直播动态，交流科研经验。

2 会议流程 Seminar Schedule

●

14:00–14:10
章仲恒副教授

会议主席致辞

●

14:10–14:40
章仲恒副教授

数据驱动的脓毒症分型及精准化诊疗

●

14:40–15:10
邵伟副教授

智能病理影像基因组学

●

15:10–15:40
裴馰教授

机器学习在医学研究领域的运用

●

15:40–16:10
李文龙博士

通用、低数据依赖及高效的视网膜基础模型的开发和应用

●

16:10–16:40

提问交流环节

3 会议主讲人 Seminar Speakers

会议主席

章仲恒副教授

浙江大学邵逸夫医院

个人简介：Diagnostics 期刊副主编，浙江大学附属邵逸夫医院主任医师，副教授，特聘研究员，急诊医学科副主任，浙江大学医学院急救医学研究所副所长；主要研究方向为急危重症的大数据精准治疗，构建了全国多中心的脓毒症多组学数据库，包含影像组学、转录组学、蛋白组学、临床组学等，并利用人工智能算法开展脓毒症精准化治疗的研究。围绕上述研究承担了多项国家自然科学基金及其它省部级科研项目。在 Nature Communications；Intensive Care Medicine 等期刊发表论文多篇。入选2021年浙江大学临床拔尖人才培养计划，浙江省医坛新秀，获得了省医学科技奖一等奖 (排名第三)。

报告题目

数据驱动的脓毒症分型及精准化诊疗

报告简介

本报告聚焦于数据驱动的脓毒症分型及精准化诊疗研究，旨在通过应用先进的数据分析技术和机器学习算法，对脓毒症患者进行精细化分型，以实现个性化治疗方案的制定。报告首先概述了脓毒症作为全球医疗领域的重要挑战，其高发病率和死亡率对公共卫生构成的威胁。随后详细介绍了如何利用多源医疗数据，包括电子健康记录、实验室测试结果和基因组信息，来识别脓毒症的不同亚型，并探讨了这些亚型对不同治疗策略的反应差异。

研究的核心目标是提高脓毒症的诊断准确性，优化治疗方案，并最终改善患者预后。报告还涵盖了关键的技术挑战，如数据隐私保护、模型解释性和临床实施的可行性。通过这一研究，我们期望为脓毒症的管理提供新的视角，并推动精准医疗在重症医学中的应用。

联系邮箱：zh_zhang1984@zju.edu.cn

特邀主讲人

邵伟副教授

南京航空航天大学

个人简介：Diagnostics 期刊编委。目前为南京航空航天大学计算机科学与技术学院/人工智能学院副教授，博士生导师，主要研究方向为机器学习、医学图像分析等。入选斯坦福大学2024年全球前2%顶尖科学家榜单。研究成果2次获医学影像分析权威国际会议MICCAI青年科学家奖 (大陆唯一，全球5人)，全国博士后创新创业大赛银奖，第三届江苏大数据开发与应用大赛医疗卫生赛道一等奖等荣誉。

报告题目

智能病理影像基因组学

报告简介

近年来，病理影像基因组学正成为癌症诊疗领域的研究热点。区别于传统图像文本数据，病理影像基因组数据具有完整解读困难、异构性强、关联方式多样等特性，造成现有数据驱动下的智能算法在结果可解释性、推理精度上与临床应用仍有差距。弥合以上差距的关键在于综合医学、生物学、计算机等多学科知识，设计数据-知识双驱动的智能分析框架，以解决现有方法难以对病理影像基因组数据进行全面表征、高效融合、多层次关联的困难。

联系邮箱：shaowei20022005@nuaa.edu.cn

裴馰教授

台湾辅仁大学附属医院

个人简介：Diagnostics 期刊作者。现职：台湾辅仁大学附属医院内分泌代谢科主任，教授。研究专长：胰岛素抗性、胰岛细胞功能、机器学习在临床的运用等。发表SCI文章170余篇。

报告题目

机器学习在医学研究领域的运用

报告简介

近年来，人工智能发展的迅速，在各领域有着突破性的成果。其中，机器学习在医学领域的进展，也是有着令人惊艳的成就。其中一个重要的原因是医生中了解人工智能的人不多。同时，了解人工智能的学者中同时了解医学的也不多。人工智能在医学领域的应用主要有两个方面：一、图像的处理。二、大数据的处理。其中第一个领域，如眼底镜、大肠镜及低辐射肺部电脑断层的判读等领域，已经有商业性的产品发展出来。第二个领域，因为人工智能的统计学方法可以捕捉到非线性关系，因此比传统统计学要来的精准。本次演讲中将介绍一些机器学习种类及其在临床研究中的运用。

联系邮箱：peidee@gmail.com

李文龙博士

北京大学医学部

个人简介：Diagnostics 期刊编委推荐的优秀青年学者，眼科学博士。现于北京大学第三医院齐虹教授指导下进行临床博士后工作。主要研究人工智能技术在眼病及系统性疾病的早预防、早诊断和早治疗等方向的应用。以第一作者身份在Diagnositics 期刊发表SCI论文1篇，参与作者身份发表SCI论文4篇。

报告题目

通用、低数据依赖及高效的视网膜基础模型的开发和应用

报告简介

人工智能 (AI) 正在通过视网膜图像分析实现眼病和系统性疾病的早期检测，从而改变医疗保健领域，提供了一个强大的诊断工具。然而，有效AI模型的开发受到了大量数据整理、劳动密集型手动标注以及大量计算资源需求的限制，同时也受限于对不同临床环境的适应性。为了应对这些挑战，我们引入了RETGLoT，这是一个通用的、低数据依赖且高效的视网膜图像分析模型。RETGLoT以其低数据依赖性和高效的训练过程脱颖而出，利用55万未标记的视网膜图像，仅用200个周期完成预训练，即可学习到高适应性的图像表示。我们的研究表明，RETGLoT在用适量的标记数据进行微调后，在许多任务上的表现与最先进的RETFound模型相当，甚至在某些方面超越了它。RETGLoT提供了一个更通用的解决方案，以增强模型性能，同时减轻专家的标注工作量，降低计算资源消耗，从而促进AI在视网膜成像中的更广泛临床应用。

联系邮箱：docwenlong@163.com

4 特刊推荐 Special Issues

Trends of Artificial Intelligence in Emergency and Critical Care Medicine

Edited by

Dr. Zhongheng Zhang
Prof. Dr. Yucai Hong
Dr. Wei Shao

Submission deadline:

30 November 2025

点击链接，了解详情：https://www.mdpi.com/topics/I8301F4A5S。

Advances in Machine Learning for Medical Image Processing and Analysis

Edited by

Dr. Wei Shao

Submission deadline: