精神健康研究中心研討會：利用多模態人工智能強化計算病理學知識

免費入場，歡迎大家參加。
* 座位有限，依「先到先得」原則分配。
 * 請注意，研討會不會提供任何持續專業發展（CPD）學分。

主題：

利用多模態人工智能強化計算病理學知識

講者：

香港大學計算與數據科學學院助理教授于樂全教授
 

計算病理學正透過人工智能從全切片影像（Whole Slide Image, WSI）中提取臨床相關資訊，持續革新診斷實踐。多模態人工智能的整合為建構可解釋、精確且具擴展性的診斷工具帶來了嶄新契機。在本次講座中，於教授將介紹他近期的研究成果，闡述如何結合學科知識與生物學背景，顯著提升組織病理分析的效能。首先，他將提出一個知識引導框架，將專家知識融入人工智能模型，使其在多樣化的癌症任務中能夠產生更具普適性與臨床意義的預測。隨後，他將展示一種方法，可直接從組織學影像推斷細胞層級表型，為腫瘤微環境的特徵描繪與患者預後預測提供一種具成本效益的替代方案，有望取代傳統的空間轉錄組學技術。這些研究成果共同體現了計算病理學正朝向更「以人為本」、以知識為基礎的人工智能系統轉型。

講者簡介：

于樂全教授現任香港大學計算與數據科學學院助理教授，曾於史丹福大學擔任博士後研究員。他分別於香港中文大學及中國浙江大學取得博士及工學士學位。其研究領域涵蓋醫療人工智能、多模態學習以及精準腫瘤學。于教授至今發表逾一百篇論文，刊登於 《Nature Communications》、《npj Digital Medicine》、《Cell Genomics》及 《Transactions on Pattern Analysis and Machine Intelligence》(TPAMI）等期刊，Google Scholar引用次數超過22,000次。于教授於2023至2025年間連續獲科睿唯安（Clarivate Analytics）評為「全球首1%高被引學者」，並先後於2023年及2024年醫學影像計算與電腦輔助介入大會（MICCAI）榮獲「青年科學家出版影響力獎」亞軍。他目前擔任《npj Digital Medicine》副編輯、《Transactions on Medical Imaging》客座副編輯，以及神經資訊處理系統大會（NeurIPS）、國際表徵學習大會（ICLR）、國際電腦視覺與模式辨識會議（CVPR）、人工智能會議（AAAI）與MICCAI等頂級國際會議的領域主席。