当前位置: 首页 图片新闻
2020年中国电子学会信号处理分会生物医学与生物信息处理研究组活动会议成功举办 时间:2020-12-11 来源:中国电子学会
分享到:

2020年10月26日,在山东省济南市长清区大学路1号山东师范大学长清湖校区文宗楼信工学院506会议室,成功举办2020年中国电子学会信号处理分会生物医学与生物信息处理研究组活动会议。

应中国电子学会信号处理分会与山东师范大学信息科学与工程学院邀请,刘琚教授(分会委员)、邬霞教授(分会委员),以及蒋庆华教授(分会会员)分别做了关于脑肿瘤图像分割、脑信号处理和生物信息处理等方面的报告。会议由山东师范大学信息科学与工程学院副院长孙建德教授主持。因会议在线上(腾讯会议及哔哩哔哩直播)、线下(文宗楼506会议室)同步进行,所以除了信息学院教师、硕博士研究生79人聆听了此次报告外,还有来自其他学校信息处理专业、生物医学工程专业及人工智能领域人士、研究生、及其他感兴趣的人员,共约530人参与了此次会议,并在会议最后进行了讨论。

 1.jpg


2.png

首先由来自山东大学信息学院的副院长刘琚教授做了题为“基于深度学习的脑肿瘤图像分割”的学术报告。美国、韩国、中国等都提出开展脑与类脑研究,山东大学目前也有优势交叉学科“齐鲁脑计划”和山东省重大科技创新工程“脑科学与类脑人工智能”。脑科学关键技术研究在脑疾病的诊断治疗中发挥重要最用,类脑关键技术在多模态信息处理中也有重要应用。随着人工智能技术在计算机视觉与深度学习领域的应用逐渐增多,遥感图像处理、工业检测、医学诊疗等行业都需要基于深度学习的图像分割技术做支撑,报告着重介绍了基于深度学习的语义分割方法,并阐述了其常规处理流程。对近年来脑肿瘤图像分割方法进行综述,其中包括了基于多特征融合的U-Net分割模型、基于路径聚合的U-Net图像分割、基于特征挖掘网络的图像分割,总结了这些技术在基于深度学习的脑肿瘤图像分割方面的研究结果。最后介绍了基于Flask的脑肿瘤辅助分析系统,并进行总结与展望,指出未来可以开展数据增强、基于弱监督和半监督方法的图像分割网络,以及基于迁移学习的方法来提升分割效果。

3.png

4.png

然后由来自北京师范大学的邬霞教授做了题为“面向脑机制的信号处理研究”的学术报告。早在上世界末日本脑计划-RIKEN脑科学研究所就提出研究脑、模拟脑、保护脑,甚至创造脑。尽管目前可以采用例如fMRI、sMRI、EEG、PET、DTI等神经影像技术来开展脑结构及功能的相关研究,但到目前为止人类对于大脑还没有完全了解透彻,而构建面向大脑特征特提取的信号处理方法可以解码脑神经活动、了解脑机制、对疾病进行诊断治疗与干预。首先需要对经典认知模型、疾病模型进行验证,在此基础上针对正常静息状态和疾病数据构建新型模型,包括基于多模态数据的辅助诊断模型构建、采用贝叶斯网络定量刻画静息态脑网络、基于ICA分析方法找到fMTI数据支撑下的脑认知功能区域,从而对认知行为机疾病状态进行预测,采用神经反馈技术对个体认知行为进行提升与改善。

5.png

6.png

7.jpg

最后由来自哈尔滨工业大学的蒋庆华教授做了题为“Predicting immunogenic peptide recognized by TCR through ensemble deep learning”的学术报告。T细胞在监测病理性细胞和清除病原体方法发挥着关键作用,T细胞受体(TCR)提供了识别和结合配体的结构,而多种相关分子则是作为信号转导途径中的介体(mediators)。识别免疫原性肽是T细胞介导免疫反应的关键环节,免疫原性肽诱导免疫反应的两个重要条件是pMHC复合物及TCR与肽的相互作用。尽管Peptide与MHC亲和力预测算法精度高,但未考虑TCR是否与peptide结合,预测的peptide能引起免疫反应的免疫原性肽很少,当前也没有通过TCR识别免疫原性肽的高通量方法,因此其研究主要发展免疫原性肽识别算法,助力个性化癌症疫苗研发。提出了基于集成深度学习的peptide-TCR相互作用预测模型,在构建的基准数据集上对比了全连接网络(FCN)、卷积神经网络(LeNet-5)、深度残差网络(ResNet-20)与集成策略的结果,并预测了peptide-TCRɑβ的相互作用。

8.png

9.jpg

 10.jpg

报告的结尾,三位教授也对老师和学生提出的问题进行了耐心的解答。本次报告会,从脑肿瘤图像分割、脑信号处理和免疫蛋白预测等角度,介绍了生物医学与生物信息处理在实际生活中的应用,通过具体的示例让同学们更直观的理解一些知识技能,拓宽了学生们的学术思路、营造了活跃的学术氛围,让大家受益匪浅,同时为参与报告的各位老师和研究生们搭建了学术交流、共同进步的良好学习平台。