2025年4月2日下午，信息学院在勤12-304举办“自适应算法：压缩感知与深度学习融合”学术研讨会，采用“专家报告+研究生学术汇报”的形式，旨在促进学术交流与跨领域合作。本次研讨会特邀浙江工业大学李胜副教授、克罗地亚里耶卡大学研究人员Stella Dumenčić和Boris Gašparović作专题报告，同时我院研究生也汇报了最新研究成果。本次研讨会由信息学院副院长李秀梅教授主持，吸引了学院众多研究生及青年教师参与，现场学术氛围浓厚，交流热烈。

研讨会伊始，李胜副教授作了题为《Current status and challenges of AI in computer aided diagnosis system of gastrointestinal diseases》的专题报告。在报告中，他系统阐述了其科研团队在无线胶囊内镜技术领域取得的重要进展，重点展示了团队在小肠息肉智能检测方面的创新性研究成果，并对当前人工智能辅助诊断系统在胃肠疾病领域的发展现状与面临挑战进行了深入剖析。

在研讨会第二阶段，里耶卡大学Stella Dumenčić以《Deep learning and computer vision in real-world applications》为题，全面展示了其研究团队在多个领域的创新成果。报告首先介绍了里耶卡大学的工程学科背景，随后重点阐述了四项核心研究：在医学影像领域，团队开发了基于YOLOv4的X光片智能分离系统，显著提升了放射科工作效率；在环境监测方面，创新性地采用NDWI指数增强技术实现卫星图像水陆边界自动检测，为洪涝预警提供了高效解决方案；在应急救援领域，通过结合HEDAC算法与YOLO目标检测技术，构建了无人机智能搜救系统；此外，团队还将计算机视觉技术拓展至生态保护领域，通过轨迹分析技术研究濒危秃鹫迁徙规律，为物种保护提供了数据支持。这些研究充分体现了深度学习与计算机视觉技术解决实际问题的巨大潜力，展现了跨学科合作的重要价值。

在研讨会第三阶段，里耶卡大学博士生Boris Gašparović以《Research topics-Object detection and computer vision in pipeline systems》为题，报告重点介绍了基于深度学习的水下隧道结构智能检测系统，通过改进图像增强算法和三维重建技术，有效提升了在浑浊水域环境下的隧道表面缺陷识别能力。该技术已在实际工程测试中展现出良好的应用效果，为海底隧道安全监测提供了新的技术解决方案，体现了计算机视觉技术在复杂水下环境中的实用价值。

最后，我院白煌副教授指导的硕士研究生南国鹏带来了题为《U-shape Learnable Convolutional Sparse Representation Deep Unfolding Network for LDCT Image Denoising》的学术报告。该研究创新性地提出了一种基于深度展开网络的U型可学习卷积稀疏表示方法，针对低剂量CT（LDCT）图像降噪这一医学影像处理领域的难点问题，通过结合传统稀疏表示理论与深度学习技术，有效提升了图像质量并保留了重要诊断信息。报告详细阐述了网络架构设计思路和优化策略，并通过大量实验验证了该方法在降噪性能和计算效率方面的优势，为医学影像预处理提供了新的技术思路。

 最后，信息学院副院长李秀梅教授就如何促进跨学科研究合作向与会专家交流。李胜副教授指出，有效的跨学科合作需要建立开放包容的交流机制，既要尊重各学科的专业性，又要鼓励创新思维的交融。Stella Dumenčić博士补充道，国际合作项目更需要注重文化差异的融合，将不同国家的科研优势互补结合。

本次研讨会通过深入探讨深度学习的前沿技术，不仅展示了人工智能在医疗诊断、环境监测、工程检测等领域的创新应用，更凸显了跨学科交叉融合的重要价值。与会师生纷纷表示，这种高质量的学术交流不仅拓宽了科研视野，启发了创新思路，更增强了通过技术创新解决实际问题的信心。相信通过此次研讨会的思想碰撞，必将为信息学科的发展注入新的活力，推动更多创新成果的产出。

（文/王依静 图/丁林琳）