精神健康研究中心研讨会：利用多模态人工智能强化计算病理学知识

免费入场，欢迎大家参加。
* 座位有限，依「先到先得」原则分配。
 * 请注意，研讨会不会提供任何持续专业发展（CPD）学分。

主题： 利用多模态人工智能强化计算病理学知识
讲者： 于乐全教授香港大学计算与数据科学学院助理教授
摘要： 计算病理学正透过人工智能从全切片影像（Whole Slide Image, WSI）中提取临床相关信息，持续革新诊断实践。多模态人工智能的整合为建构可解释、精确且具扩展性的诊断工具带来了崭新契机。在本次讲座中，于教授将介绍他近期的研究成果，阐述如何结合学科知识与生物学背景，显著提升组织病理分析的效能。首先，他将提出一个知识引导框架，将专家知识融入人工智能模型，使其在多样化的癌症任务中能够产生更具普适性与临床意义的预测。随后，他将展示一种方法，可直接从组织学影像推断细胞层级表型，为肿瘤微环境的特征描绘与患者预后预测提供一种具成本效益的替代方案，有望取代传统的空间转录组学技术。这些研究成果共同体现了计算病理学正朝向更「以人为本」、以知识为基础的人工智能系统转型。

  讲者简介： 于乐全教授现任香港大学计算与数据科学学院助理教授，曾于史丹福大学担任博士后研究员。他分别于香港中文大学及中国浙江大学取得博士及工学士学位。其研究领域涵盖医疗人工智能、多模态学习以及精准肿瘤学。于教授至今发表逾一百篇论文，刊登于 《Nature Communications》、《npj Digital Medicine》、《Cell Genomics》及 《Transactions on Pattern Analysis and Machine Intelligence》(TPAMI）等期刊，Google Scholar引用次数超过22,000次。于教授于2023至2025年间连续获科睿唯安（Clarivate Analytics）评为「全球首1%高被引学者」，并先后于2023年及2024年医学影像计算与计算机辅助介入大会（MICCAI）荣获「青年科学家出版影响力奖」亚军。他目前担任《npj Digital Medicine》副编辑、《Transactions on Medical Imaging》客座副编辑，以及神经信息处理系统大会（NeurIPS）、国际表征学习大会（ICLR）、国际计算机视觉与模式辨识会议（CVPR）、人工智能会议（AAAI）与MICCAI等顶级国际会议的领域主席。