报告题目：基于深度学习的弥散磁共振纤维束分析
报告地点：朝晖校区 存中楼808
报告简介：大脑白质连接的研究对认知神经科学和神经疾病至关重要。扩散磁共振成像技术能够在宏观尺度上映射大脑白质连接，生成的白质纤维路径数据具有高维和非结构化特性，对数据分析提出了挑战。近年来，深度学习的应用在这一领域取得了进展，但仍面临诸多挑战。本论文聚焦于三个关键任务：全脑纤维束的聚类、基于纤维束成像的个体分类，以及基于纤维束成像预测认知表现分数。针对这些任务，我们开发了新的几何深度学习框架，整合了白质轨迹和灰质连接性等新解剖学特征，提升了方法的有效性。
讲者简介: 陈玉倩，在天津大学获得生物医学工程专业学士和硕士学位，在悉尼大学获得计算机科学专业博士学位，悉尼大学-哈佛医学院联合培养博士，现任哈佛医学院博士后。研究方向为基于计算的神经影像分析和脑科学研究，研究集中在基于深度学习的弥散磁共振纤维束分析。已在Medical Image Analysis, Neuroimage和MICCAI 等行业顶级期刊和会议上发表论文30余篇。担任多项顶级期刊和会议（如TMI，MICCAI，JBHI）的常规审稿人。