雷柏英

深圳大学  教授

个人简介：雷柏英，深圳大学特聘教授、博导、国家级青年人才，主要研究方向为医学图像处理和人工智能。在IEEE TPAMI、TMI等以第一/通讯作者发表SCI论文100余篇(含10余篇ESI高被引/热点论文)。谷歌学术总引用1.6万余次，H指数65。主持科技部课题、国自然联合基金重点等20余项。现任IEEE TCYB、TNNLS等SCI期刊编委。IEEE BISP、BIIP和BSP技术委员会委员，IEEE EMBS杰出讲师。IEEE 广州分部WIE主席，医学图像顶级学术会议MICCAI领域主席（2021-2026）。连续入选“全球前2%顶尖科学家”终身影响力榜单和ScholarGPS全球0.05%高引学者榜单，获“强国青年科学家”提名，CSIG石青云女科学家奖，广东省图象图形学会一等奖，中国人工智能学会二等奖和中国发明协会二等奖。

冯前进

南方医科大学  教授

报告题目：人工智能在医学数据分析中的应用

报告摘要：主要介绍报告人近年来利用AI技术在医学数据分析领域展开的一部分工作，包括DR胸片软组织成像、脊柱图像分析、心电信号的分析等，报告将主要测重于应用场景介绍与方法简介。

个人简介：冯前进，教授，南方医科大学生物医学工程学院院长、广东省医学成像重点实验室主任，东南大学兼职博士生导师；长江学者特聘教授，百千万人才国家级人选；教育部生物医学工程教学指导委员会委员，广东省生物医学工程教学指导委员会主任委员；国家发明二等奖获得者；主要从事医学图像相关的研究与教学工作。

宋　红

北京理工大学  教授

报告题目：人机融合智能诊疗大模型

报告摘要：本报告立足肝病精准诊疗这一复杂临床场景，系统阐述人机融合智能诊疗大模型的理论架构、技术演进与临床实践。针对我国肝病患者数量庞大、疾病类型多样、早期表现隐匿及多系统病变交叉等核心挑战，研究团队基于多模态医疗大数据，构建了肝病多模态知识库平台，提出医学证据智能体的自组织自学习机制，引入检索增强生成技术，将模型应答锚定于权威诊疗指南与循证医学证据，有效抑制大模型“幻觉”，确保决策过程的可解释性与可追溯性。构建了人机融合智能诊疗大模型，旨在实现肝病诊疗的均质化与规范化，通过临床示范应用推动多源证据支持下的智能会诊决策，提升肝病诊疗的精度与效率。

个人简介：北京理工大学计算机学院教授，国家级领军人才，教育部高等学校教学指导委员会委员、中国人工智能学会智能服务专业委员会常委、中国图像图形学会虚拟现实专业委员会委员、中国计算机学会数字医学分会委员。长期从事人工智能及增强现实辅助诊疗研究。主持国自然联合重点项目、国家重点研发计划课题、新一代人工智能重大专项课题等10余项。在IEEE TIP、IEEE TFS、MIA等权威期刊发表SCI论文100余篇，参与制定诊疗标准1项，参编专著2部，申请/授权国家发明专利80余项，主持研制了3套手术导航系统，成果转化获批国家三类/二类医疗器械注册证6项，在多家医院和高端医疗器械企业实现创新应用。

许　燕

北京航空航天大学  教授

报告题目：医学视觉语言模型的探索

报告摘要：多模态大模型在医学应用中仍面临两方面挑战：一是领域知识覆盖不足；二是模态细分能力不足。针对通用多模态大模型的医学知识缺失与标注稀缺问题，提出从提示词工程到高效微调的一体化方案：基于GLIP/BLIP构建对象级自动化提示词框架，将医学先验与同义扩展、可视化筛选融入闭环自训练与自适应提示更新。针对通用大模型对于多种医学图像模态刻画精度不足问题，提出一套模态感知路由与先验对齐策略：面向跨模态/跨域的特征分布差异引发的梯度冲突，构建了模态/域感知的自适应专家路由与专属门控机制；引入模态感知的专用参数生成模块，提升跨模态训练时的稳定性与泛化性；开发模态先验的码本增强与扩散对齐算法，提升跨模态语义一致性。

个人简介：北京航空航天大学，生物与医学工程学院，教授，博士生导师。中国生物医学工程学会医学图像信息与控制分会委员，中国生物医学工程学会人工智能分会委员。入选斯坦福大学“全球前2%顶尖科学家”终身科学影响力和年度科学影响力榜单。获得国家自然科学基金“优青”，北京市青年英才，微软亚洲研究院铸星计划。在TMI, MIA, JAMIA等本领域权威期刊在内的重要期刊和ICLR，CVPR, ICCV, MICCAI, ICASSP等本领域重要会议上共发表多篇论文。在各类期刊上发表的总论文数90多篇。担任国际会议ICCV，MICCAI，WACV的领域主席。研究成果已经被应用在多家三甲医院及企业产品中。

周　涛

南京理工大学  教授

报告题目：突破标注限制：基础模型驱动的高效医学图像分割

报告摘要：医学图像分割是精准医疗的核心技术，旨在精准勾勒病灶与解剖结构，为临床诊断、手术规划与导航提供关键支撑。然而，由于医学图像对比度低，且标注过程高度依赖专业知识，构建大规模高质量标注数据往往成本高昂、效率低下。因此，如何在有限标注条件下发展高效的分割方法，已成为重要的研究方向。本报告将首先梳理医学图像分割面临的主要挑战，并介绍基础模型如何促进医学图像分割技术的发展。在此基础上，重点展示本团队在标注受限场景下，基于基础模型赋能医学图像分割的相关研究成果，最后对该领域的未来方向进行展望。

个人简介：南京理工大学教授、博士生导师，国家级青年人才。专注于疾病诊断、医学图像分割、医学图像生成等交叉研究，在IEEE TPAMI、IEEE TMI、IEEE TIP、CVPR、ICCV、MICCAI等领域顶级期刊及会议发表高水平论文90余篇，谷歌学术引用超9800次，连续入选斯坦福大学发布的全球前2%顶尖科学家年度榜单。担任多个权威期刊（IEEE TIP/TNNLS/TMI/TCSVT）的编委，以及多个顶级会议（AAAI、MICCAI等）AC/SPC。

杜长德

中国科学院自动化研究所  副研究员

报告题目：大模型类人认知涌现的机理：从物体概念到情感表征

报告摘要：本报告将探讨在大型语言模型（LLMs）和多模态LLMs（MLLMs）中，类人认知能力（特别是物体概念和情感表征）的涌现机制。研究通过大规模机器行为学范式，从470万次物体判断和710万次情感判断中，分别导出了66维和30维可解释的心理嵌入。结果证实，MLLMs能够自然形成高度类人且与脑活动强对齐的抽象认知结构，其情感表征在预测神经活动方面甚至优于人类自评模型。这些发现为理解大模型认知能力的本质提供了关键证据和新范式。

个人简介：主要从事脑认知与人工智能方面的交叉课题研究，在神经编解码、多模态神经计算、大模型机理解析、脑机融合智能等方面发表了50多篇高水平论文，包括 Nature Machine Intelligence、IEEE TPAMI、ICLR、ICML等。主持/参与多项国自然、重点研发等项目。长期担任 Nat. Hum. Beh., TPAMI等期刊的审稿人。曾获IEEE ICME 2019 最佳论文奖（亚军）、2021年AI华人新星百强，研究成果被《MIT Technology Review》报道。个人主页：https://changdedu.github.io/。