讲座时间：2026年4月2日（周四）15:40
讲座地点：英文楼B107
参加者：面向全校教师
主讲人：布海力切木·阿吾冬
题目：基于注意力对抗训练的原型网络单样本医学图像自监督分割方法
主讲人简介：布海力切木·阿吾冬博士毕业于长春理工大学，专业为计算机科学与技术。现研究方向为医学图像处理、智能诊断、嵌入式开发、数据挖掘等。在相关研究领域已发表四篇SCI论文（其中一作三篇）、九篇会议论文（其中一作五篇）、一篇北大核心（一作），作为主要参与者，成功完成了一项国家自然科学基金项目和一项省级科研项目。现任IEEE Access和PLoS One期刊的审稿人。
讲座内容简介：虽然基于监督学习的医学图像语义分割方法已经在提高分割精度方面取得了一些进展，但是这些方法通常依赖于大量的密集标注图像进行训练，以获得鲁棒的分割模型，并且对新的语义类别难以实现准确的预测。然而，医学图像的种类多样、MRI图像模态多、私有数据库差异大、高质量像素级标注数据匮乏。为了在高质量标注数据匮乏的情况下，提高分割模型对新类别的泛化能力，本文研究了不采用人工标注数据训练的自监督小样本医学图像分割算法，并提出了一种基于注意力对抗训练的原型网络单样本语义分割新框架，提升了无人工标注训练数据情况下的医学图像分割模型的性能。在恶性脑肿瘤、良性脑肿瘤、健康腹部器官以及感兴趣区域周围存在癌变器官的腹部器官MRI和计算机断层扫描（Computed Tomography，CT）数据集上的实验结果表明，本文模型的分割效果优于目前用于医学图像分割的自监督小样本学习模型，并且对新类别具有巨大的泛化能力。
