报告题目：大规模数据驱动的脑医学影像基础模型与超算大脑模拟：迈向未来智能医疗
报告人：孙哲 日本顺天堂大学副教授、独立PI
报告摘要：
本报告介绍我们在高性能计算驱动的脑医学影像分析与数字脑建模方面的研究进展，重点围绕大规模脑MRI处理、可信医学人工智能以及大脑模拟三个方向展开。针对脑影像数据规模不断增长、临床任务复杂度持续提升所带来的计算效率、模型泛化性与可解释性挑战，我们尝试将高性能计算、深度学习与脑网络建模相结合，构建面向脑疾病研究的新型计算框架。
在脑影像分析方面，我们基于超级计算平台实现了大规模MRI数据的高效处理流程，并进一步发展了兼顾准确性、可解释性与鲁棒性的深度学习方法，用于脑肿瘤等脑疾病的辅助诊断。与此同时，我们引入扩散模型开展脑MRI表征学习，利用大规模健康脑影像数据进行预训练，以提升模型在小样本和复杂场景下的泛化能力，并探索三维医学基础模型的参数高效适配方法。
在数字脑方向，我们结合扩散MRI结构连接信息与神经模拟平台，探索大脑活动建模及其在疾病机制分析中的应用。报告将讨论超级计算机如何推动脑影像分析、数字脑研究与脑启发人工智能的交叉融合，以及其在未来智能医疗中的发展潜力。
报告人简介：
孙哲（Sun Zhe），理学博士， 日本顺天堂大学医学院，健康数据科学院长聘副教授，计算生命工程课题组组长，博士生导师，日本国立理化学研究所光量子工学研究中心客座研究员。研究方向包括超级计算机，大脑模拟， 深度学习在医疗数据的应用， 类脑算法等领域。近年来在IEEE Transactions on Neural Networks and Learning Systems， Human Brain Mappling， MICCAI， AAAI 等发表高水平论文90余篇。 作为研究代表承担日本脑计划Brain MINDS 计划中‘数字脑’重点课题。 作为课题代表承担“基于显著性原理的医疗数据处理研究课题”（日本国立理学研究所-国立名古屋大学联合研究课题）。作为子课题负责人承担“张量融合在多模态医学数据中的应用”（日本学术振兴会基盘研究B类课题）等课题。 多次获得BIOSTEC，ICCCM等国际学术会议的最佳研究奖。
报告时间：2026年4月19日（星期日）上午 9：30
报告地点：吉林大学正新楼三楼智慧教室
