报告时间：2025年11月15日 14:30–15:45
报告地点：312会议室
报告人：郑涵渝
报告主题：Few Shot分割研究进展及其在医学影像中的应用与探索
报告摘要：本报告围绕少样本图像分割技术的研究进展及其在医学影像中的应用展开系统综述，重点介绍了少样本学习的基本原理、原型网络的构建与匹配机制、主流医学影像数据集及代表性方法。报告详细分析了网络架构优化、损失函数设计、元学习框架等关键技术，并总结了2025年最新研究趋势与未来发展方向，旨在推动少样本分割技术在医学图像分析中的精准化、高效化与通用化，为低标注依赖下的智能诊断与结构识别提供理论支持与方法指导。
报告时间：2025年11月15日 16：00 - 17：15
报告地点：312会议室
报告人：董肇荣
报告主题：多模态大模型研究进展及其在医学图像分析中的应用与探索
报告摘要：本报告首先梳理了医学人工智能从大语言模型（LLM）演进至多模态大模型（MLLM）的技术脉络，重点解析了其从知识灌输向临床推理增强的“后训练时代”范式转变。在此基础上，报告将焦点转向医学图像分析，系统性地论述了这一进展如何催生了图像分割领域从“专家模型”到“语言驱动的通用基础模型”的深刻变革。然而，报告的核心论点在于揭示一个关键性的进展失衡：尽管模型能力飞速发展，其成功应用目前仍主要局限于解剖结构规整的器官分割。对于临床价值更高、形态更多变的通用病灶定位与分析，我们识别出其核心瓶颈并非模型，而是大规模、图文强关联的病灶数据集的严重匮乏。我们总结，解决这一数据挑战，是推动多模态AI从解剖学助手向可信的临床诊断专家演进的关键所在。
