王珊珊

中国科学院深圳先进技术研究院  研究员

报告题目：基础模型驱动的智能医学成像与定量

报告摘要：报告人将围绕医学影像基础模型的构建与应用，系统介绍从“物理驱动成像”到“通用智能诊断”的范式演进，汇报课题组近一年多在Nature BME, IEEE trans 等发表的工作。针对医学影像中多模态异构、标注稀缺及跨设备分布差异等核心挑战，报告将阐述如何融合成像物理模型与数据驱动方法，构建具备高保真重建、跨任务泛化及弱/无标注学习能力的基础模型框架，并重点展示在快速MRI、多模态视觉—语言建模及自动化病灶定位等方面的代表性进展及临床转化成果。最后，报告将展望医学影像基础模型向全流程诊疗一体化发展的新趋势与新挑战。

个人简介：王珊珊，中国科学院深圳先进技术研究院研究员、博士生导师，国家优青、吴文俊人工智能优秀青年奖获得者、中国科学院青促会A类优秀会员，2021-2025入选Elsevier和斯坦福 “全球前2%顶尖科学家”榜单。长期从事人工智能、快速医学成像、放射组学与多模态分析等研究，在Nature BME、IEEE Trans等发表高质量论文100余篇，先后主持科技部2030新一代人工智能重大课题、NSFC联合基金重点项目、优秀青年等国家级项目6项；担任多个高质量SCI学术期刊的副主编/编委。

于乐全

香港大学  助理教授

报告题目：多模态人工智能赋能知识增强的计算病理学

报告摘要：计算病理学正借助人工智能技术，从全切片图像（WSIs）中挖掘临床相关信息，重塑传统癌症诊疗模式。多模态人工智能的引入，为构建更具可解释性、准确性与可扩展性的病理分析工具带来了全新机遇。本次报告将分享我们最新的研究，展示如何融合医学知识与生物学上下文，有效提升病理图像分析的深度与广度。首先，我们提出一种概念引导框架，将专家知识引入人工智能模型，显著增强了其在多种癌症任务中的泛化能力与临床适用性。其次，我们提出了基础深度网络的计算方法，可直接从常规组织切片中解析细胞层级的表型信息，为刻画肿瘤微环境和预测患者预后提供了一种低成本、高效率的替代方案。这些工作体现了计算病理学正向更加贴近临床实践、融合领域知识的人工智能系统加速演进的重要趋势。

个人简介：香港大学计算与数据科学学院助理教授，研究方向为医学人工智能、多模态学习、计算病理等。在加入香港大学之前，在斯坦福大学医学院担任博士后研究员，于浙江大学和香港中文大学获学士学位和博士学位。主持科研项目7项，包含香港研究资助局ECS和GRF项目、香港科技及创新基金ITSP和粤港合作项目、国自然青C项目，作为课题负责人（Co-PI）参与香港研究资助局CRF和TRS项目。担任ICLR、AAAI、CVPR、MICCAI等领域主席，npj Digital Medicine、TMI等编委。在Nature Communications、Cell Genomics、npj Digital Medicine、TPAMI、TMI、CVPR等领域顶级期刊和会议发表论文100余篇。2023-2025连续三年荣获科睿唯安全球前1%高被引用学者、入选全球华人AI青年学者榜单、MICCAI 2024&2023青年科学家影响力提名奖、吴文俊人工智能自然科学二等奖、教育部自然科学二等奖等。