2025年7月29日下午，我院邀请上海大学通信与信息工程学院施俊教授，在俊秀楼305进行题为“面向有限标注医学影像的深度学习方法研究”的学术报告。该报告作为华东师范大学第35期卓越讲坛“解码大脑：基于心理学、神经科学、计算与数据科学的交融探索”的最后一场，由“耀翔班”心理学拔尖学生培养基地主办，以线下线上相结合的形式开展。心理与认知科学学院副院长严超教授主持本次线下报告，相关领域的青年教师、本科生与研究生共90余人次以多种形式参加了本次报告。
施俊教授首先指出，在传统医学影像分析中，对于病灶区域的标注往往依赖医生的经验判断，但"金标准"ROI（感兴趣区域）未必是最优选择。针对这一问题，研究团队提出了基于部分标记图像的弱监督病灶检测与诊断方法。该方法通过创新的D-NET和C-NET网络架构，能够自动优化病灶定位框选，显著降低了对精确标注的依赖。在超声智能诊断领域，由于超声图像噪声干扰严重，研究团队创造性地引入了解剖学先验知识作为约束条件，有效提升了模型在噪声环境下的识别准确率。对于更为复杂的病理图像分析，团队开发了基于双掩码对比机制的超图模型，成功解决了多尺度信息复杂和多模态数据不完整的技术难题。
其次，在降低模型训练成本方面，施俊教授重点介绍了自监督学习和迁移学习的创新应用。通过精心设计上游预训练任务，模型可以从未标注数据中提取有价值的通用特征，大幅减少对标注数据的需求。同时，特权信息学习（LUPI）技术的运用，使得模型能够充分利用已有的知识储备，避免了小模型重复训练带来的资源浪费。施俊教授特别强调，这些技术不仅适用于常规医学影像分析，在MRI超分辨率重建、QSM成像等前沿领域同样展现出巨大潜力。
最后，针对医疗行业普遍存在的“数据孤岛”问题，施俊教授的研究团队提出了基于联邦学习的解决方案。在该框架下，不同医院在严格保护患者隐私的前提下共享模型参数，有效提升了模型在超声、病理等不同模态数据上的泛化能力。"
报告结束后，施俊教授与师生就报告主题展开热烈讨论，“青年学者应该坚持“两条腿”走路，”施俊教授在问答环节指出，“既要重视学术论文的发表，更要注重与临床医生的深度合作，只有这样才能真正解决医疗实践中的实际问题。”
报告人简介：
施俊，上海大学通信与信息工程学院，副院长、教授、博导。主要研究医学超声智能分析、医学影像分析、医学成像方法。主持了国家自然科学基金等国家级项目，作为合作单位负责人参与国家自然科学基金重大科研仪器研制项目、国家自然科学基金重点项目，以及主持上海市科委、教委等项目。已发表国际期刊和会议论文100余篇，荣获2022年“IEEE EMBS Best Paper Award”。曾任MICS委员会轮值主席，现任上海生物医学工程学会人工智能专委会副主任委员、上海市超声医学工程学会专委会副主任委员、《中国图象图形学报》编委等。连续入选斯坦福大学发布的全球前2%顶尖科学家榜单。