为促进生物医学工程学院师生的学术交流，加强信息互通，我院定期举办“生物医学工程学院学术论坛”，邀请院内师生分享学术信息，以开阔学术视野、发掘学术兴趣、增加学术交流，营造“人文生工、学术生工、创新生工”氛围。

2021年4月23号中午，医学信息工程系的杨鑫老师作为“生物医学工程学院学术论坛”第三期嘉宾，在A2-517开展题为“深度神经网络在医学影像分割中的稳健性”的学术报告，吸引了我院多位师生参加。

深度神经网络的研究在近年极大地推动了智能化医学影像分析领域的发展。在医学影像分割的诸多方面，深度神经网络更是逐步接近专家水平。然而，实际的临床情况是复杂的，成像设备、成像参数、扫查手法、病例个体等差异因素往往使得医学影像出现灰度的外观漂移（Appearance Shift）。由于对训练集的灰度分布存在较强的依赖，深度神经网络在面对上述外观漂移时，往往缺乏稳健性和存在失效风险。这不仅使得智能模型在临床中面临重复学习的困境，也更成为了当前智能化医学影像分析迈向临床实际应用的“最后一公里”难题。

为解决上述关键问题，杨鑫从标准化系统输入（Input Normalization）、增强模型学习能力(Model Capacity)、在线自适应学习（Online Learning）三个方面做了长期且系统的研究，提出了基于灰度分布一致性的弱监督在线学习框架、基于快速风格转换的双阶段框架、基于动态风格转换的单阶段框架以及基于对抗思想的风格学习框架等。