石河子大学理学院“明理志远”学术讲坛2026年第八讲

生物医学数据具有复杂性、结构性和异质性，涵盖行为视频、姿态轨迹、医学图像和多模态临床记录等。构建可靠的AI系统面临诸多挑战，如复杂表征学习、专家标注稀缺以及信息不完整或异构等问题。

本报告将围绕三个相互关联的问题展开：如何有效表示复杂的生物医学结构？如何减少对昂贵专家标注的依赖？

如何有效利用异质且不完整的信息？报告内容包括在小鼠姿态估计、社会交互建模、结构感知的血管分割、半监督时序动作分割与定位、半监督多模态医学图像分割等方面的工作，并探讨多视图行为数据、多模态医学图像、临床文本与表格数据中的共享与特异性表示学习，特别是在模态缺失情况下的方法。

最后将讨论医学AI的新兴方向，包括多模态基础模型、支持临床工作流的AI代理以及临床转化中的挑战。

周飞翔现为英国利物浦大学博士后研究员，于2024年获得英国莱斯特大学计算机科学博士学位。此前曾任瑞德林生物技术有限公司（Readline）英国分部AI研究顾问及英国兰卡斯特大学高级研究助理。

其研究兴趣主要包括机器学习、计算机视觉、视频理解和医学图像分析，重点关注面向生物医学应用的多模态学习与数据高效学习方法。研究成果发表于IEEE TIP、TMM、TCSVT、ECCV、MICCAI等国际权威期刊和会议，关于管状结构分割的工作入围MICCAI 2025 Best Paper和Young Scientist Awards。

长期担任CVPR、ICCV、ECCV、NeurIPS、MICCAI、IEEE TIP等顶会顶刊审稿人。