2024年7月3日下午14点，计算机与人工智能学院第四十五期研究生学术论坛在崇真楼南楼A4030成功举办。本次论坛由22级研究生张彤、林泽平，23级研究生冯润泽、陈欢喜主讲，学院研究生会主办，学院方菲博士出席了该论坛。
张彤同学分享的主题是“Iterative Consistent Attentional Diffusion Model for Multi-Contrast MRI Super-Resolution”，她讲述的多对比度磁共振成像（MRI）超分辨率（SR）旨在通过利用多对比度图像的互补信息来提高MR图像分辨率。然而，传统的基于扩散模型的方法引入了复杂的条件约束，通常会产生不一致的结果。此外，现有技术难以准确捕获多对比度 MR 图像与其相应的低分辨率 （LR） 图像之间的全局和局部关系。为了克服这些局限性，她们提出了一种用于多对比度 MRI SR 的迭代一致注意力扩散模型。其中，迭代扩散模型通过迭代分离SR和扩散过程来减轻复杂的条件约束，一致注意力融合网络通过创新的金字塔交叉注意力和可变形通道注意力机制捕获多对比度和 LR MR 图像的全局和局部相关性。此外，她们还设计了一种双重平衡损失函数以平衡去噪和超分辨率水平。最后的实验结果证明了她们的方法在推进MRI SR方面的有效性。
林泽平同学分享的主题是“A Spatially Enhanced CNN and Multiscale Transformer Fusion Approach for Chest Radiograph Registration”，他指出，随着深度学习在医学影像配准领域的发展，可变形医学图像配准研究在图像分析和临床领域中至关重要，通常依赖于卷积网络来创建 U 形网络。然而，由于卷积网络的接受场有限，传统方法在配准具有很大差异的图像时可能效果较差。所以他们提出了一种将卷积网络与注意力机制相结合的混合方法，利用注意力机制的远程建模能力来解决上述挑战。首先，他们设计了一个多尺度变换器融合模块 (MTF)，并将其集成到 U 形网络的跳跃连接中，增强了空间关系建模。其次，提出了一个即插即用的配准头，用于变形场生成中的位置参考。此外，为了提高胸部 X 光片中的肺部配准精度，还设计了一个名为肺部区域损失的新损失函数。与当前方法相比，他们的混合方法在三个基准数据集上的平均 Dice 相似度得分 (DSC)、豪斯多夫距离 (HD) 和平均对称表面距离 (ASSD) 方面显示出显著改善，并证明了其在医学图像配准中的有效性。
冯润泽同学分享的主题是“Application of Graph Convolutional Networks in recommender Systems”，他在报告中讲到：随着互联网的出现和普及给用户带来了大量的信息，虽然满足了用户在信息时代对信息的需求，但随着信息量的大幅增长，用户在面对大量信息时无法区分有用的部分，因此对信息的使用效率反而降低了，造成了信息超载问题。他指出，推荐系统就是解决信息超载问题一个非常有潜力的办法，他详细介绍了目前推荐系统应用的很多领域，例如电子商务、短视频等。电子商务是推荐系统中最为人熟知的应用领域，电商平台通过推荐系统，根据用户的浏览、购买、搜索历史以及商品间的相似性，为用户推送可能感兴趣的商品，提升购物体验和转化率，短视频与流媒体、新闻与资讯、社交网络等领域同样应用广泛。推荐系统的核心在于预测用户对物品的偏好程度，并据此进行推荐，其主要原理包括但不限于协同过滤、基于内容的推荐、混合推荐、基于深度学习的推荐等几种算法。通过上述原理的应用，推荐系统能够在海量信息中精准定位用户的兴趣点，为用户提供个性化的推荐服务，从而有效缓解信息超载问题。
陈欢喜同学分享的主题是“几何特征驱动的点云曲面滤波方法研究”，随着扫描设备的不断发展，点云曲面正逐渐成为三维几何处理领域最主要的数据格式。然而扫描过程中的各种误差导致获取的点云曲面被噪音所污染，这大大降低了点云的可视化效果和数值精度。因此，在进一步应用之前，往往需要对点云曲面进行滤波。点云曲面滤波是三维几何处理和计算机视觉领域中重要的低层级任务，许多后续几何处理任务都依赖点云曲面滤波的结果，如点云配准、三维重建等。为了解决点云滤波过程中几何特征难以保持的问题，他们提出了一种几何特征驱动的点云曲面滤波算法。把点云的噪音去除和特征检测看作两个相辅相成、相互促进的过程，并在此基础上提出了一套完整的点云去噪流程。大量的实验结果证明他们的方法在去噪过程中保持不同尺度几何特征的能力，尤其是保持尖锐特征的能力优于目前先进的点云滤波算法，而且在不同类型的数据上具有广泛的适用性。
