報告人簡介：王滿寧，復旦大學數字醫學研究中心教授、博士生導師。長期從事醫學圖像處理與手術導航領域的研究工作，主要研究方向包括：三維計算機視覺、數字病理智能診斷、多模態醫學影像智能診斷、主動學習與域適應等。先后在IEEE TPAMI、IEEE TIP、IEEE TMI、NeurIPS、CVPR、ICCV、ECCV等雜志和會議上發表研究論文80余篇；獲得國家技術發明二等獎（第2完成人）、上海青年科技英才、上海市優秀技術帶頭人等獎勵。擔任中國計算機學會數字醫學分會常委、中國自動化學會模式識別與機器智能專委會委員、上海市醫學會數字醫學專科分會副主任委員、上海市生物醫學工程學會醫學人工智能專委會委員、醫學圖像計算青年研討會（MICS）委員。
報告內容介紹：病理是眾多臨床疾病診斷的金標準，數字病理圖像的智能診斷不但可以幫助醫生提高診斷的效率和準確性，而且可以識別人類肉眼無法識別的圖像特征，完成一些病理學家無法完成的診斷任務，因此具有重要的臨床價值。數字病理圖像因為尺寸巨大，其分類診斷問題常被建模為多實例學習問題，相關研究主要關注包（整張切片）的分類結果，而較少關注實例（切分出的圖像塊）的分類結果。課題組研究中發現，合理關注和利用實例分類性能，可以同時提高包和實例的分類準確性。本報告將介紹課題組近三年在這方面的一些工作，包括發表在NeurIPS、JBHI、ICCV、AAAI等會議和期刊上的一些論文。
