为了进一步提高研究生培养质量，促进研究生之间的学术交流和思想碰撞，营造研究生学术创新氛围，广州大学电子与通信工程学院主办的“研途青年说”第4讲于11月16日下午16点-17点30分由在线上（腾讯会议）和线下（B3栋910会议室）同时举行。本次的报告主题是：基于深度学习的视网膜血管图像分割研究、基于深度学习的医学图像分割算法研究。报告人分别为李动员、肖鸿鑫。  

李动员介绍了图像分割的背景以及在医学方面的应用，并针对医学领域中血管图像分割问题进行一一阐述，将深度学习知识与医学图像分割相结合，提出深度学习的视网膜血管图像分割算法。李动员用浅显的语言，生动形象的例子，介绍了两种现有的血管分割方法——有监督方法和无监督方法，运用基于FCN的一种改进全卷积神经网络——UNet对血管图像进行分割。通过李动员对图像分割研究过程关键技术与实践难点的讲解，我们了解到位置注意力、多尺度特征聚合模块、语义聚合块等相关知识点。最后，李动员对图像分割结果进行详细讲述，他讲到，从分割结果可以看出，AFNet更好的分割出UNet丢失的细小血管，保留更多血管中的细节，较好的解决了血管断裂的问题，并且在微血管部分能分割出比金标准更多的细节结构。针对同学提出的问题，李动员耐心地一一解答。  

肖鸿鑫首先介绍医学图像的前景和研究现状，讲述了传统图像分割技术存在分割不足、精度低的问题。肖鸿鑫将深度学习技术与医学分割融合，基于Ronneberger，Wang，Anjany等学者研究成果的基础上进行创新，提出基于深度学习的医学图像分割算法，将其应用于视网膜血管分割、皮肤病变检测、细胞轮廓等领域，与提出的全局特征提取器与编码器-解码器结构相结合，捕捉更多的高层特征，并保留更多的空间信息，由此进行图像分割处理。通过在眼底血管数据集、皮肤数据集、细胞数据集上对分割结果进行比较，验证了所提出基于深度学习的医学图像分割算法的有效性。  

在活动的问答环节，两位主讲人一起对同学们的疑问进行了深入探讨，会场气氛热烈，同学们交流愉悦。  

通过“研途青年说”这个学术交流平台，同学们对自己的研究生生涯规划有了更清晰的认识，并对这两种研究方向有了更深入的了解，为自己的科研道路奠定了基础。  

“研途青年说”学生简介：  

李动员

李动员，2019级电子与通信工程学院电子与通信工程专业硕士。导师：彭凌西、彭绍湖，主要研究方向：图像分割。  

肖鸿鑫

肖鸿鑫，2019级电子与通信工程学院电子与通信工程专业硕士。导师：彭凌西、彭绍湖，主要研究方向：医学图像处理。  

（文案：李志明  编辑：谢玲）