5月3日上午，“IEEE Fellow系列講座”在自動化所舉行，本期報告會邀請了美國南佛羅里達大學（USF）計算機科學和工程學院副主任Dmitry Goldgof教授作題為“Image Analysis and Data Mining in support of Radiomics”的報告。

“Radiomics”項目是指從大量臨床CT、PET和MRI等影像數(shù)據(jù)中提取高代表性定量特征，并對其進行分析，從而對病例數(shù)據(jù)進行病變診斷和預測等工作。Dmitry Goldgof教授詳細分析了基于“Radiomics”項目的圖像分析和數(shù)據(jù)挖掘工作。在該項目中，所有數(shù)據(jù)均采自標準治療臨床數(shù)據(jù)，從而構(gòu)建一個特別大的潛在病例池。在此基礎上，將數(shù)據(jù)特征和基因特征以及蛋白質(zhì)特征聯(lián)系起來，并將該數(shù)據(jù)建立可表征和可預測模型。

“Radiomics”的核心假設是這些模型可以包含生物學或者醫(yī)學數(shù)據(jù)，從而提供有價值的診斷和預測信息。可以將“Radiomics”分成五個有挑戰(zhàn)性的過程：（a）數(shù)據(jù)獲取和重建；（b）圖像分割和繪制；（c）特征提取和定量分析；（d）數(shù)據(jù)庫建立和數(shù)據(jù)分享；（e）信息學分析。每個過程都有其特定的挑戰(zhàn)性問題，例如我們需要針對數(shù)據(jù)獲取和重建建立最佳協(xié)議；同時，對于分割算法來說，需要研發(fā)魯棒的算法以及加入最小量的人工輸入；而特征提取需要很好地反映單個個體數(shù)據(jù)的復雜性，但是又不能過于復雜以及出現(xiàn)冗余；最后，針對數(shù)據(jù)的統(tǒng)計學分析必須進行最優(yōu)化，因為“Radiomics”目前還不是一個成熟的研究領域。

在提問交流環(huán)節(jié)，在場的老師和同學對該項研究表現(xiàn)了濃厚的興趣，踴躍發(fā)言提問，Dmitry Goldgof教授結(jié)合個人的研究成果和目前China-US生物醫(yī)學項目合作進展的把握，針對所提出的問題進行了細致解答，并對未來中美雙方項目推動給予很好地期望。

Dmitry Goldgof教授因其對計算機視覺和生物醫(yī)學應用的杰出研究而當選IEEE Fellow，并因其在計算機視覺，模式識別和生物醫(yī)學工程領域的杰出研究當選IAPR（國際模式識別聯(lián)合會）Fellow。