报告人简介：王满宁，复旦大学数字医学研究中心教授、博士生导师。长期从事医学图像处理与手术导航领域的研究工作，主要研究方向包括：三维计算机视觉、数字病理智能诊断、多模态医学影像智能诊断、主动学习与域适应等。先后在IEEE TPAMI、IEEE TIP、IEEE TMI、NeurIPS、CVPR、ICCV、ECCV等杂志和会议上发表研究论文80余篇；获得国家技术发明二等奖（第2完成人）、上海青年科技英才、上海市优秀技术带头人等奖励。担任中国计算机学会数字医学分会常委、中国自动化学会模式识别与机器智能专委会委员、上海市医学会数字医学专科分会副主任委员、上海市生物医学工程学会医学人工智能专委会委员、医学图像计算青年研讨会（MICS）委员。
报告内容介绍：病理是众多临床疾病诊断的金标准，数字病理图像的智能诊断不但可以帮助医生提高诊断的效率和准确性，而且可以识别人类肉眼无法识别的图像特征，完成一些病理学家无法完成的诊断任务，因此具有重要的临床价值。数字病理图像因为尺寸巨大，其分类诊断问题常被建模为多实例学习问题，相关研究主要关注包（整张切片）的分类结果，而较少关注实例（切分出的图像块）的分类结果。课题组研究中发现，合理关注和利用实例分类性能，可以同时提高包和实例的分类准确性。本报告将介绍课题组近三年在这方面的一些工作，包括发表在NeurIPS、JBHI、ICCV、AAAI等会议和期刊上的一些论文。
