2024年7月3日下午14點，k8凯发国际與人工智能學院第四十五期研究生學術論壇在崇真樓南樓A4030成功舉辦。本次論壇由22級研究生張彤、林澤平，23級研究生馮潤澤、陳歡喜主講，學院研究生會主辦，學院方菲博士出席了該論壇。

張彤同學分享的主題是「Iterative Consistent Attentional Diffusion Model for Multi-Contrast MRI Super-Resolution」，她講述的多對比度磁共振成像（MRI）超解像度（SR）旨在通過利用多對比度圖像的互補信息來提高MR圖像解像度。然而，傳統的基於擴散模型的方法引入了複雜的條件約束，通常會產生不一致的結果。此外，現有技術難以準確捕獲多對比度 MR 圖像與其相應的低解像度 （LR） 圖像之間的全局和局部關係。為了克服這些局限性，她們提出了一種用於多對比度 MRI SR 的疊代一致注意力擴散模型。其中，疊代擴散模型通過疊代分離SR和擴散過程來減輕複雜的條件約束，一致注意力融合網絡通過創新的金字塔交叉注意力和可變形通道注意力機制捕獲多對比度和 LR MR 圖像的全局和局部相關性。此外，她們還設計了一種雙重平衡損失函數以平衡去噪和超解像度水平。最後的實驗結果證明了她們的方法在推進MRI SR方面的有效性。

林澤平同學分享的主題是「A Spatially Enhanced CNN and Multiscale Transformer Fusion Approach for Chest Radiograph Registration」，他指出，隨着深度學習在醫學影像配准領域的發展，可變形醫學圖像配准研究在圖像分析和臨床領域中至關重要，通常依賴於卷積網絡來創建 U 形網絡。然而，由於卷積網絡的接受場有限，傳統方法在配准具有很大差異的圖像時可能效果較差。所以他們提出了一種將卷積網絡與注意力機制相結合的混合方法，利用注意力機制的遠程建模能力來解決上述挑戰。首先，他們設計了一個多尺度變換器融合模塊 (MTF)，並將其集成到 U 形網絡的跳躍連接中，增強了空間關係建模。其次，提出了一個即插即用的配準頭，用於變形場生成中的位置參考。此外，為了提高胸部 X 光片中的肺部配准精度，還設計了一個名為肺部區域損失的新損失函數。與當前方法相比，他們的混合方法在三個基準數據集上的平均 Dice 相似度得分 (DSC)、豪斯多夫距離 (HD) 和平均對稱表面距離 (ASSD) 方面顯示出顯著改善，並證明了其在醫學圖像配准中的有效性。

馮潤澤同學分享的主題是「Application of Graph Convolutional Networks in recommender Systems」，他在報告中講到：隨着互聯網的出現和普及給用戶帶來了大量的信息，雖然滿足了用戶在資訊時代對信息的需求，但隨着信息量的大幅增長，用戶在面對大量信息時無法區分有用的部分，因此對信息的使用效率反而降低了，造成了信息超載問題。他指出，推薦系統就是解決信息超載問題一個非常有潛力的辦法，他詳細介紹了目前推薦系統應用的很多領域，例如電子商務、短視頻等。電子商務是推薦系統中最為人熟知的應用領域，電商平台通過推薦系統，根據用戶的瀏覽、購買、搜索歷史以及商品間的相似性，為用戶推送可能感興趣的商品，提升購物體驗和轉化率，短視頻與流媒體、新聞與資訊、社交網絡等領域同樣應用廣泛。推薦系統的核心在於預測用戶對物品的偏好程度，並據此進行推薦，其主要原理包括但不限於協同過濾、基於內容的推薦、混合推薦、基於深度學習的推薦等幾種算法。通過上述原理的應用，推薦系統能夠在海量信息中精準定位用戶的興趣點，為用戶提供個性化的推薦服務，從而有效緩解信息超載問題。

陳歡喜同學分享的主題是「幾何特徵驅動的點雲曲面濾波方法研究」，隨着掃描設備的不斷發展，點雲曲面正逐漸成為三維幾何處理領域最主要的數據格式。然而掃描過程中的各種誤差導致獲取的點雲曲面被噪音所污染，這大大降低了點雲的可視化效果和數值精度。因此，在進一步應用之前，往往需要對點雲曲面進行濾波。點雲曲面濾波是三維幾何處理和k8凯发国际視覺領域中重要的低層級任務，許多後續幾何處理任務都依賴點雲曲面濾波的結果，如點雲配准、三維重建等。為了解決點雲濾波過程中幾何特徵難以保持的問題，他們提出了一種幾何特徵驅動的點雲曲面濾波算法。把點雲的噪音去除和特徵檢測看作兩個相輔相成、相互促進的過程，並在此基礎上提出了一套完整的點雲去噪流程。大量的實驗結果證明他們的方法在去噪過程中保持不同尺度幾何特徵的能力，尤其是保持尖銳特徵的能力優於目前先進的點雲濾波算法，而且在不同類型的數據上具有廣泛的適用性。