| 论坛时间 |
2025年5月23日（周五）9:00-15:30 |
| 论坛地点 |
临江楼A101-A102 |
| 报告人员 |
周威、陈能仑、曲承志、任慕成、曾娴、丁鑫、曹奔、胡丹青、曹佩蓓、童宣 |
| 主持人 |
徐军 教授、各论坛嘉宾 |
| 主办单位 |
南京信息工程大学 人工智能学院（未来技术学院） |
| 时间 |
安排 |
| 9:00-9:10 |
领导致辞
主持人：徐军 教授 |
| 9:10-9:30 |
题目：基于多模态信号自动睡眠分期方法研究
汇报人：周威 智慧医疗团队 主持人：曾娴 |
| 9:30-9:50 |
题目：SPAD激光点云去噪与参数优化
汇报人：曲承志 元宇宙团队 主持人：周威 |
| 9:50-10:10 |
题目：面向多模态场景理解与三维形状分析的自监督学习
汇报人：陈能仑 元宇宙团队 主持人：曲承志 |
| 10:10-10:30 |
题目：基于知识增强的可解释医学NLP：理解、推理与决策
汇报人：任慕成 智慧医疗团队 主持人：陈能仑 |
| 10:30-10:50 |
题目：医学知识与数据双驱动的围术期风险预测和智能决策
汇报人：曾娴 智慧医疗团队 主持人：任慕成 |
| 10:50-11:10 |
汇报讨论、总结
主持人：徐军 教授 |
| 11:10-13:30 |
午休 |
| 13:30-13:50 |
题目：连续条件生成模型：定量化精确可控的生成式AI
汇报人：丁鑫 元宇宙团队 主持人：童宣 |
| 13:50-14:10 |
题目：结合非线性电路的神经调控动力学研究 汇报人：曹奔 元宇宙团队 主持人：丁鑫 |
| 14:10-14:30 |
题目：肺癌全流程临床决策支持
汇报人：胡丹青 智慧医疗团队 主持人：曹奔 |
| 14:30-14:50 |
题目：HDR图像处理的感知评估与优化
汇报人：曹佩蓓 元宇宙团队 主持人：胡丹青 |
| 14:50-15:10 |
题目：基于深度学习改进动力模式季节降水预测的研究
汇报人：童宣 智慧气象团队 主持人：曹佩蓓 |
| 15:10-15:30 |
汇报讨论、总结
主持人：徐军 教授 |
嘉宾简介与报告摘要
汇报人：周威
个人简介：周威，博士，南京信息工程大学人工智能学院（未来技术学院）讲师，智能图像计算省高校重点实验室成员。2019年6月于四川大学获得工学学士学位（电子信息工程），2024年6月于复旦大学获工学博士学位（生物医学工程专业）。主要研究方向和兴趣为：深度学习、信号处理、智能传感、睡眠监护、脑机接口、脑活动信号监测与分析，着重于人工智能与生物医学领域的交叉融合，具有丰富的生理信号数据处理和分析经验，尤其聚焦于睡眠健康领域的相关研究。以第一/共同作者发表多篇SCI论文，包括IEEE Journal of Biomedical and Health Informatics (J-BHI)、IEEE Transactions on Neural Systems and Rehabilitation Engineering(TNSRE) 等学术期刊。
报告摘要：睡眠作为觉醒-休息周期调控的神经生物学基础，其阶段性特征与中枢神经系统代谢调控密切相关。根据美国睡眠医学会（AASM）标准，睡眠周期被严格划分为觉醒期（Wake）、快速眼动期（REM）及非快速眼动期（NREM）。其中NREM期进一步细分为N1（浅睡期，α波衰减/θ波增强）、N2（纺锤波与K复合波特征期）、N3（慢波睡眠期，δ波占比>20%）三个阶段，各阶段神经振荡模式的差异直接反映了丘脑-皮层网络的动态重组过程。精准的睡眠分期不仅是诊断失眠障碍、睡眠呼吸暂停综合征等疾病的金标准，更是评估神经退行性疾病（如阿尔茨海默症患者慢波睡眠减少）的重要生物标记。提出基于伪孪生网络架构的脑电眼电异构模态睡眠分阶方法, 大幅提升了模型适应异构模态的能力。 针对其他多模态方法无法处理异构数据、忽略不同模态特征之间联系的问题,突破性采用多任务动态权重分配策略，显著提升模型在模态缺失场景下的泛化能力。
汇报人：曲承志
个人简介：南京信息工程大学人工智能学院（未来技术学院）教师，毕业于中山大学。主要研究方向包括群体智能优化算法、点云去噪、像云融合等。目前以第一作者身份在IEEE Transactions on Geoscience and Remote Sensing、Knowledge-Based Systems、IEEE Robotics and Automation Letters、Optics Letters、Applied Soft Computing和Measurement等期刊上发表SCI论文7篇。
报告摘要:研究聚焦于解决SPAD激光雷达在强背景噪声环境中所获取数据易受干扰的难题，提出激光点云去噪与参数优化方法。研究构建“算法-参数-应用”闭环体系，可推动激光雷达技术在自动驾驶、超远距离探测及空间探测等领域的实用化发展，相关成果发表于IEEE Transactions on Geoscience and Remote Sensing、Knowledge-Based Systems、IEEE Robotics and Automation Letters、Optics Letters、Applied Soft Computing和Measurement等期刊。
汇报人：陈能仑
个人简介：现任南京信息工程大学讲师，于2022年获香港大学博士学位。主要从事计算机图形学以及计算机视觉相关领域的研究。研究方向涵盖多模态学习、数字几何建模、医学影像处理、自监督学习、场景理解以及形状匹配。系统性地开展三维形状分析、多模态自监督学习等研究课题。在国际顶级会议和期刊共计发表论文10余篇，并且是CVPR、ICCV、SIGGRAPH、TVCG等顶级会议和期刊的审稿人。
报告摘要：自监督学习作为一种利用无标注数据进行学习的有效方法，已在多个研究领域得到广泛探索。由于标注数据的匮乏，该领域的研究者通常需要挖掘各类任务相关的先验知识，并将其融入训练范式。本次报告将重点介绍我们在多模态场景理解和三维形状分析领域的自监督学习系列工作。前期研究中，我们主要聚焦形状结构表征与跨模态知识迁移两大关键问题，开发了系列方法框架，并在场景理解与形状分析任务中验证了其有效性。我们进一步探索了多模态大模型在这两类任务中的应用，展现了其在双重任务领域的优越性能。
汇报人：任慕成
个人简介：南京信息工程大学人工智能学院（未来技术学院）讲师，硕士生导师，2023年博士毕业于北京理工大学。主要研究方向为：自然语言处理、自动问答、模型可解释性研究以及人工智能在生物医学领域的交叉应用研究。以第一作者身份发表高水平论文六篇，包括ACL、EMNLP、Neurocomputing等领域顶会或学术期刊，并获第二十一届中国计算语言学大会CCL2022最佳论文奖。
报告摘要：医学自然语言处理帮助医患双端更快速、更准确获取信息，但现有技术面临诸多挑战与难题，包括：1) 信息来源不足,背景知识缺乏;2）黑盒弱可解释，推理能力有限；3）答案溯源性差，用户置信度低。针对上述挑战，计划围绕理解-推理-决策三个环节逐步开展工作。本次报告将汇报和分享近期的研究工作成果，包括利用课程学习增强医学文本的深度理解能力，以及针对ICD-10编码任务利用多源外部信息和多重自注意力机制提升模型的推理能力。
汇报人：曾娴
个人简介：浙江大学生物医学工程专业博士，南京信息工程大学人工智能学院（未来技术学院）讲师，智能医学图像计算江苏省重点实验室核心成员，江苏省双创博士，主持江苏省自然科学基金青年项目一项。研究方向为医疗时序数据处理、围术期不良事件的早期预警等。发表学术论文16篇，其中第一作者和共同一作6篇，通讯作者1篇，授权发明专利2项。
报告摘要：术期风险预测与智能决策是提升手术安全性和患者预后效果的重要研究方向。本研究以医学知识与数据双驱动为核心，围绕以下三个方面展开：研究基于大模型的医学知识挖掘方法及深度解析与理解技术，精准提取围手术期相关医学知识；融合动脉血压、氧代谢等多模多维高频生理时序数据和医疗文本数据，构建不良事件识别与预警模型，通过数据驱动实现对围术期潜在风险的准确预测；研究稳健应对风险的专家推理技术，揭示手术、麻醉及患者病情之间的复杂作用机制，实现围术期智能化风险管理与辅助决策。
汇报人：丁鑫
个人简介：南京信息工程大学副教授，国家海外引进人才计划（青年项目）入选者。2021年毕业于加拿大不列颠哥伦比亚大学，获得统计学博士学位。主要从事概率生成模型、模型压缩等方面的研究工作；主持国家自然科学基金青年项目、江苏省基础研究专项资金（基础研究计划）面上项目、江苏省国家重大人才工程入选者配套资助项目、南京留学人员科技创新项目（C类）等；以第一作者身份先后在IEEE TPAMI、IEEE TSP、ESWA、Neurocomputing、ICLR、AAAI等高水平国际期刊或会议上发表论文10余篇；担任AAAI、IJCAI、ICIP、IEEE SPL、ESWA、Neurocomputing等国际知名会议和期刊的审稿人与程序委员会成员。
报告摘要：当前生成式AI的可控性研究主要集中于离散条件空间（如分类标签、语义描述等），而对连续量化条件（如年龄回归、角度控制、物理量调节等）下的精确可控生成缺乏系统研究。本研究对定量化可控生成进行了严谨的数学定义，并提出了第一个连续条件生成模型，为工程逆向设计、高光谱图像分析等领域的可控生成提供了新范式。
汇报人：曹奔
个人简介：南京信息工程大学人工智能学院（未来技术学院），讲师，工学博士。本科及博士毕业于同济大学力学专业，师从古华光教授。博士期间受国家留学基金委资助，在南洋理工大学接受联合培养。主要研究方向是神经与智能系统动力学。研究兴趣包括与听觉感知、脑功能与脑疾病、运动控制等神经系统重要功能相关的复杂非线性动力学及神经调控机制。博士阶段系统研究了听觉毛细胞非线性振荡的复杂动力学，将包括机械运动在内的力学概念和神经动力学紧密结合，同时注重动力学理论研究与生物学实验的对应，形成一定的特色。在International Journal of Bifurcation and Chaos、Cognitive Neurodynamics、Extreme Mechanics Letters等期刊发表SCI论文8篇。
报告摘要：神经动力学已经在认识神经系统的感知、运动和脑认知功能的生物物理机制方面取得很大成功。与此同时，以忆阻器为代表的非线性电路在模拟神经元电活动方面表现出极大的潜力，为设计实现神经系统重要功能的人工神经电路和神经调控的发展提供助力。本研究基于前期在神经系统反常放电、听觉神经系统的复杂非线性振荡和神经调控听觉功能的相关神经动力学研究，结合非线性电路设计，进行神经调控的动力学研究。核心方向包括：1）利用忆阻器电路模拟神经元振荡特性，在简单电路中实现与脑疾病和神经系统重要功能相关的复杂簇放电，并研究其动力学机制；2）研究基于中枢模式发生器的生物高效运动控制原理，设计仿生机器人运动控制电路，实现类生物节律的精准调控；3）针对癫痫、抑郁症等重要脑疾病进行动力学建模和模型简化，利用非线性电路实现与脑疾病相关的复杂放电，基于忆阻器设计神经调控策略；4）基于听觉功能的非线性振荡，设计人工听觉神经环路的电路，研究听觉功能的神经调控机制。本研究以报道的生物实验为指导，通过建模、仿真和动力学分析，将神经动力学与非线性电路紧密结合，为基于神经调控的脑疾病治疗和脑机接口、机器人运动控制和神经形态计算等领域提供基础和支撑。
汇报人：胡丹青
个人简介：南京信息工程大学人工智能学院（未来技术学院）教师，博士毕业于浙江大学生物医学工程与仪器科学学院。研究方向为医学人工智能、医学信息学、恶性肿瘤精准诊断及预后预测等。目前主持国家自然科学青年基金，参与北京市自然科学基金海淀原始创新重点项目、“十三五”国家重点研究专项精准医学研究项目以及国家自然科学基金面上项目等。在AIM、JMIR、IJMI、IEEE EMBC等医学信息重要期刊会议发表论文18篇（第一作者15篇），申请发明专利11项（第一发明人授权4项），授权软件著作权4项，获中国中文信息学会CHIP2018最佳论文奖。
报告摘要：肺癌作为全球最主要的癌症死亡原因，严重危害人类生命健康。作为一种慢性疾病，患有肺癌等恶性肿瘤的患者通常会经过漫长的诊疗流程。从筛查发现可疑恶性结节，到TNM分期全面评估病情进展程度；从接受手术治疗，到术后监护随访复查；从癌症复发转移，到药物一线、二线、三线治疗，最后到姑息治疗临终关怀。在这漫长的诊疗过程中，包含了众多关键诊疗节点，需要临床医生做出精准判断并给出最合适的治疗方案。随着医院信息系统的普及，大量真实世界临床数据得以积累，为利用人工智能算法构建疾病诊断和预后预测模型，辅助临床医生进行诊断决策提供了可能。本次报告将着重介绍报告人围绕肺癌患者手术前后关键诊疗节点开展的一系列精准诊断和预后预测方法探索。同时，还将介绍报告人在利用循证医学证据构建多层级治疗方案推荐知识库方面开展的一些工作。最后，报告人将介绍其设计研发的多学科会诊临床决策支持系统，将上述肺癌临床决策支持相关研究成果整合到临床工作流中，实现相关研究成果的临床转化和应用。
汇报人：曹佩蓓
个人简介：南京信息工程大学人工智能学院（未来技术学院）教师。本硕毕业于南京航天航空大学，博士毕业于香港城市大学。主要研究方向包括感知多媒体信号处理与质量评估，Low-level视觉任务，多普勒雷达信号处理以及核磁共振图像处理，其研究成果发表在包括CVPR, ECCV, TVCG等计算机视觉权威期刊和会议上。
报告摘要：高动态范围（High Dynamic Range, HDR）技术作为新一代高清视频产业的关键技术，凭借其更高的动态范围、更广的色彩容积以及更细腻的亮度层次，精准还原真实场景中的光线变化和色彩渐变，可以显著提升图像的视觉表现力和感染力。近年来，HDR技术在国家战略层面受到高度重视。随着HDR技术的持续成熟与应用领域的不断拓展，其在广播电视、安防监控、虚拟现实等领域的应用潜力日益凸显，特别是在军事装备与系统以及卫星图像与遥感领域，HDR技术已得到深入应用，展现出重要的战略价值与广阔的应用前景。然而，在HDR图像的采集、压缩、传输及后处理等过程中，失真问题难以避免，常导致细节丢失、色彩失真等问题，进而造成视觉质量下降。因此，HDR图像感知质量评价技术对于监控、保障和优化HDR图像在压缩、传输及成像过程中的视觉质量具有重要意义。
汇报人：童宣
个人简介：南京信息工程大学人工智能学院（未来技术学院）教师，研究方向为人工智能在天气与气候领域的应用，主要是利用深度学习方法进行中国东部夏季降水的诊断与预报以及卫星反演研究。迄今为止，已在《Geophysical Research Letters》、《Journal of Climate》和《npj Climate and Atmospheric Science》等国内外权威学术期刊上发表学术论文十余篇，并参与了多项国家级科研项目。
报告摘要：随着全球气候变暖，极端天气事件如洪水和干旱的频发，已对社会生活和经济发展产生了深远影响。因此，精准的气候预测变得愈加重要。尽管动力气候预测模式已经迅速发展，并成为季节性气候预测的核心工具，但这些模式在全面准确描述大气运动的物理过程方面仍存在不足，面临如参数化问题、初始场误差及计算过程中舍入误差等挑战，从而引发系统性误差。因此，开发高效且精确的后处理算法，以提高动力模式的预测精度，并为改进提供潜在方向，显得尤为必要。本研究基于北美多模式集合预报（NMME）数据，采用ResUnet融合算法对夏季降水预测进行后处理。研究结果表明，Res34-Unet后处理方法显著提升了NMME的预测能力。测试结果表明，所提出的新模型在全球不同纬度地区的预测精度均有显著提高。此外，与传统的分位点映射方法相比，ResUnet校正后的预报结果在全球各区域的均方根误差（RMSE）显著低于分位点映射方法。这一方法为更精确的全球气候预测提供了新的解决方案，有助于减少极端气候事件带来的损失。基于此，本研究针对中国东部夏季降水不确定性较高且环流条件复杂的特点，构建了专门针对该区域的ResUnet后处理模型。结果表明，经过校正后的模型均方根误差显著降低，预测精度提升约39%。通过多因子重要性分析，研究发现中低层环流场与海表温度变化对中国东部降水具有重要影响。
欢迎广大师生参加！
人工智能学院（未来技术学院）
2025年5月22日
