11月6日晚，数聚西海岸科学讲堂——研究生讲坛第203期在J5-304成功举行。数学学院2022级统计学专业硕士申裕龙作了题为“基于全卷积神经网络的脑白质高信号自动分割算法”的报告。本次点评嘉宾是数学学院高井贵老师。学院20余名本科生和研究生参加了此次讲坛，本次讲坛由科技部张文淑主持。

在本次研究生讲坛中，主讲人申裕龙主要讲述了使用深度学习的方法，建立一个用于分割脑白质高信号（WMH）的自动化工具，以便进一步探索WMH与临床上不同神经和老年疾病之间的联系。首先，申裕龙介绍了白质高信号（WMH）的精确测量和定量分析对于诊断、治疗和疾病研究至关重要。其次，申裕龙介绍了来自青岛一家医院的数名患者的核磁共振图像及其相关数据。接下来，申裕龙指出了此次数据处理步骤旨在对训练数据和测试数据采用简单而有效的预处理步骤，目的在于保证在训练和测试阶段输入卷积神经网络的图像具有统一的尺寸，并对所有图像体素强度进行归一化处理以减少样本之间的差异性，以及赋予计算机辅助诊断系统所需的泛化能力和鲁棒性。最后，申裕龙介绍了这种自动分割算法是基于U-Net结构的一种集成模型，U-Net是医学分割领域中应用最广泛、效果最好的一种深度学习神经网络架构。主要用于图像分割任务，能够有效地从输入图像中分割出感兴趣的对象或区域。

报告结束后，高井贵老师对此次报告作出了详细点评。（通讯员：杨龙飞 王琪玮）