由拉斯维加斯手机娱乐网站 主办，脑图谱专委会、北京脑网络组与类脑智能学会承办的“脑网络组与类脑智能创新论坛”将于2022年12月3日在中国科学院自动化研究所召开。论坛瞄准脑科学与类脑智能国际前沿，围绕我国脑科学与类脑智能战略发展需求，对脑科学与类脑智能领域的脑图谱、脑网络组及其应用、脑机交互、类脑智能等方面的研究现状和发展趋势进行深入研讨。

      本次论坛秉承“交流、合作、创新”的宗旨，针对脑科学、类脑智能等领域中的前沿和关键问题，将邀请国内知名脑图谱与类脑智能领域专家教授做专题学术讲座。会议期间，专委会将召开年度会议，讨论专委会的人员增选、下一年度计划等事宜，热忱欢迎各位委员莅临本次会议，共商未来发展大计。

      一、组织机构

      主办单位：拉斯维加斯手机娱乐网站

        承办单位：拉斯维加斯手机娱乐网站 脑图谱专业委员会

                   北京脑网络组与类脑智能学会

                   中国科学院自动化研究所

二、会议信息

         线上腾讯会议 ID：670-655-705

        会议主题：脑网络组与类脑智能创新论坛

        会议ID：670-655-705（有密码，仅对学会会员开放）

        会议时间：2022/12/3 09:00-17:00  

        直播地址：

三、会议日程

          四、演讲嘉宾

杨冬平，之江实验室

之江实验室混合增强智能研究中心研究专家。2011年在厦门大学物理系获凝聚态物理博士学位。2011-2020年期间先后在香港浸会大学物理系和悉尼大学物理学院从事博士后工作。回国后曾任中科院海西研究院泉州装备制造研究中心研究员/课题组长。长期致力于计算神经科学与脑物理等交叉领域的研究，探索大脑多尺度神经活动特征的能耗与功能及其内在动力学机制，基于此开发相应高能效鲁棒的类脑智能算法，以及相应的边缘计算智能。相关成果发表在PloS Computational Biology, Physical Review E, Chaos, IEEE Transactions系列等知名期刊，主持一项国家自然科学基金面上项目。

报告题目：神经网络动力学与计算机制的初步探索

报告摘要：大脑的能耗与信息处理能力与大脑的神经活动息息相关。复杂的神经活动所揭示的神经网络动力学性质及其计算功能的研究方兴未艾，从多层面多角度研究清楚生物脉冲神经网络所处的复杂活动状态及其底层神经生物机制，以及如何支持神经网络达到高能效鲁棒的信息表达与信息处理的机制，对类脑智能技术的开发具有重要的理论意义。在这个报告中，我将介绍随机神经网络的基本动力学特征及其在计算上的功能，以及生物脉冲神经网络的计算鲁棒性的可能机制及其在人工智能算法中的开发应用。

      兰岳恒，北京邮电大学

      北京邮电大学教授，博士生导师，2004年获美国佐治亚理工学院物理学博士学位，先后在美国北卡大学教堂山分校和加州大学桑塔芭芭拉分校从事系统生物学相关的博士后研究工作。中国著名期刊《科学通报》编委会委员，国际期刊《Physics-Open》编辑。目前主要从事非线性动力学、复杂系统、统计物理等方面的研究工作。承担多项国家自然科学基金等科研项目。在国际期刊发表学术论文90余篇，其中包括PRL, PNAS, Nature子刊等顶级刊物论文多篇。

报告题目：复杂系统非线性动力学的参数化重构

报告摘要: 非线性动力学主要研究时空演化，其理论于应用在各个领域都飞速发展。实际系统都带有噪声，并且往往只能测量部分变量，所以怎样从这些信息中可靠地重构系统的运动方程是一个具有挑战性的问题。这里，我们提出一个新颖的轨道误差函数，将整个问题参数化处理。通过求解目标误差函数的极小值，我们不仅能获得系统的动力学参数，还可以重构隐藏变量的演化轨道。方法有一定抗噪声干扰能力，在洛伦兹方程、神经网络和Kuramoto振子网络的重构中都取得了成功，具进一步拓展的潜力。

吴倩，北京师范大学

北京师范大学认知神经科学与学习国家重点实验室教授，北京师范大学麦戈文脑科学研究院研究员，受国家优秀青年基金资助，主要从事人脑发育与相关疾病的细胞与分子机制的研究，研究成果在Nature、Science、Cell Stem Cell等期刊上发表, 成果入选2020年中国生命科学十大进展，北京市科学技术二等奖，并获国家发明专利授权3项。这一系列研究成果系统地剖析了人类脑发育的细胞基础、基因调控网络和功能实现的机制，并为探索神经系统疾病潜在的治疗方法提供了理论基础和技术创新。

报告题目：A Single-Cell Atlas of Human Cortical Development

报告摘要: Healthy brain development relies on accurate cellular composition of different regions, which is precisely temporally and spatially regulated by gene transcription, and ultimately achieved the elaborative function. However, our understanding of the cell atlas and single-cell gene expression profiles of the developing human brain is limited. To depict the cell atlas of the developing human cerebral cortex, we performed single-cell RNA-sequencing across regions of the human fetal cortex and ganglion eminences. We revealed the single-cell transcriptomes covering the neurogenesis of human cortical excitatory and inhibitory neurons, and the molecular mechanisms guiding neural progenitor division and neuron differentiation in the developing cortex. We have also developed a protocol for the generation of vascularized brain organoids consisting of typical human cortical cell types and vascular structure. Overall, we provide a comprehensive molecular and cellular atlas of human cortical development.

宋明，中国科学院自动化研究所

博士，中国科学院自动化研究所脑网络组研究中心研究员。研究方向：脑成像及其临床应用。作为项目或课题负责人承担科技部、基金委、中科院等科研项目10余项。在脑影像、生物医学等国内外学术期刊发表40余篇学术论文，其中意识障碍相关工作已写入了临床专家共识（2020年）。

现任北京脑网络组与类脑智能学会监事长，同时担任了中国图象图形学会脑图谱专委会、中国自动化学会生物控制论与生物医学工程专委会、中国生物医学工程学会医学神经工程分会、中国神经科学学会意识与意识障碍分会等多个学术分会的委员，以及Neuroscience Bulletin编委会的青年编委，入选了中国科学院青年促进会（2013年）。

报告题目：基于偏振敏感光学相干成像的无标记、微米尺度脑图谱绘制技术

报告摘要: 脑图谱是理解脑结构与功能的基石。由于伦理限制，在人脑图谱绘制方面，目前主要是利用活体或离体的磁共振成像以及人脑标本切片染色、显微成像等技术。但是，磁共振成像的空间分辨率仅在（亚）毫米量级，难以解析人脑的精细结构；而脑切片染色和显微成像技术虽可以在微米尺度显示人脑的解剖结构，但存在人工干预多、切片几何畸变大、染色不均、三维重建困难等诸多问题。因此，如何实现人脑微米尺度、全脑、快速的脑图谱绘制仍是脑科学研究中的难题。近年的研究表明，利用偏振敏感光学相干成像可以在微米尺度解析脑皮层以及纤维束的结构。我们通过将偏振敏感光学相干成像与大行程移动平台、脑组织自动切片、图像拼接重建等技术融合，研制开发了“十微米尺度脑网络组图谱绘制”技术与新设备，其技术特点是：脑组织样品无需标记、空间分辨率优于10个微米、成像快速且全程自动化，人工干预少，有望实现人脑无标记、微米尺度、快速脑图谱绘制。

吴嘉敏，清华大学

清华大学自动化系助理教授，博士生导师，清华-IDG/麦戈文脑科学研究院，研究员。致力于计算成像、显微仪器与跨尺度数据理解的交叉研究，提出了扫描光场成像原理，实现了四维非相干光场的超精细感知与重构；提出了数字自适应光学架构，为解决光学像差百年难题提供了新路径；建立了曲面光场阵列架构，参与研制系列计算光场成像仪器，将活体成像的有效数据通量和时空分辨率均提升2个数量级，光毒性降低3个数量级，为系统性地研究哺乳动物在体大规模细胞间相互作用提供了利器。主持国家自然科学基金优秀青年科学基金项目、面上项目、科技部颠覆性技术专项等，获2022年阿里巴巴达摩院青橙奖，入选《麻省理工科技评论》亚太区“35岁以下科技创新35人”，近五年在Cell、Nature、Nature Photonics等期刊发表论文四十余篇，授权发明专利30余项。现任IEEE TCSVT编委，《激光与光电子学进展》青年编委。

报告题目：跨尺度活体荧光显微成像

报告摘要: 生物学现象的复杂性决定了体外模型无法完全模拟活体内的生物学过程，因此直接在活体原位对生物学动态过程进行跨尺度的长程快速观测对于揭示生物学本质至关重要。哺乳动物全皮层范围内单细胞水平的神经记录有望建立介观尺度功能图谱，从系统角度揭示复杂神经回路的工作机制，为人工智能发展提供了新途径。然而，当前活体荧光显微技术受到视场大小、成像速度、光毒性、噪声以及活体组织复杂环境的等等局限，远不足以满足对大范围百万级细胞相互作用，进行毫秒级动态观测的需求。本次报告将介绍通过计算成像方法突破传统显微成像局限，实现在体多尺度高速高通量荧光显微成像的光场智能成像仪器体系，及其在脑科学领域的相关应用。

周少华，中国科学技术大学

现任中国科学技术大学讲席教授、生物医学工程学院创始执行院长、影像智能与机器人研究中心主任，兼任中科院计算所客座研究员和香港中文大学（深圳）客座教授。长期致力于医学影像的研究创新、应用落地及学术服务。（i）研究创新：在医学影像领域，率先开展了“机器学习+知识模型”的系统性研究，最近明确了“大任务、小数据”的研究范式和挑战，探出了标注高效、通用模型、知识融合的三大解决途径。发表250余篇学术论文和章节，撰编学术专著8本。（ii) 应用落地：在工业界有长达14年的经历，曾任西门子高级研发总监及首席AI专家。获授权专利逾140项，算法成功转入10多项FDA批准的产品。产品部署在全球几千家医院，用于逾7百万病人的临床治疗诊断。（iii）学术服务：行业顶级协会MICCAI司库兼理事、开源项目Medical Open Network for AI（MONAI）顾问、顶级期刊Medical Image Analysis 、IEEE Trans. Pattern Analysis and Machine Intelligence（TPAMI）、IEEE Trans. Medical Imaging（TMI）等编委、顶级会议AAAI、CVPR、ICCV、MICCAI和NeurIPS等领域主席、MICCAI2020的程序联席主席。他多次因算法、论文、专利、服务等多次获得认可和奖励，包括MICCAI年轻科学家奖提名文章、RD100 科技奥斯卡奖、西门子年度发明家、马里兰大学ECE杰出校友奖、BMEF年度编辑等。Fellow of AIMBE、IAMBE、IEEE、MICCAI、NAI。

报告题目：医学影像人工智能的特点、技术与趋势

报告摘要：人工智能或深度学习技术在医学影像任务中得到了广泛应用。首先，回顾医学影像的特点，例如影像多模态高精度、数据孤立不标准、标签稀疏有噪声、样本各异不均衡等；然后，提出人工智能技术需要实现从“小任务，大数据”到“大任务，小数据”的范式转换。最后，阐述人工智能技术在医学影像中的发展趋势，并给出了多类行之有效的算法：

· 标记有效的医学图像分析方法。即使在标记实例缺少时的，甚至只有单图或无标记的情况下，也可以进行学习与推理。

· 处理多领域任务的通用模型。通过将与多个异质数据集聚为“超大数据”，从中学习“共性化+差异化”的特征表示，以释放超大数据中隐藏的潜力。“深度学习+知识建模”方法。融合机器学习与领域知识，在医学图像重建、识别、分割和解析等多项任务达到业界最佳性能，在影像阅片、自动测量、心血管介入、骨科、机器人等产品中得到应用。

施俊，上海大学

上海大学通信与信息工程学院，副院长、教授、博导。中国科学技术大学本硕博连读，美国北卡罗来纳大学教堂山分校访问学者，香港理工大学短期访问学者。主要研究医学超声智能分析、医学影像分析、医学成像方法。主持了国家自然科学基金面上基金、青年基金等国家级项目，合作主持国家自然科学基金重大科研仪器研制项目、国家自然科学基金重点项目，以及主持上海市科委、教委等项目。已发表国际期刊和会议论文100余篇，包括高被引论文2篇；授权专利4项，软件著作权2项。曾任MICS委员会轮值主席，现任上海生物医学工程学会人工智能专委会副主任委员、中国医学装备协会超声装备分会常务委员、中国超声医学工程学会仪器工程开发专委会常务委员、中国影像AI产学研用创新联盟理事、《中国图象图形学报》编委等。

报告题目：面向脑疾病辅助诊断的机器学习方法研究

报告摘要: 随着人工智能技术的飞速发展，基于医学影像的智能分析、诊断已经成为学术和工业界的热点。然而，由于医学影像数据标注的专业性要求高、数据采集耗时长、以及隐私保护等因素，医学影像分析通常面临着小样本问题。本报告主要针对阿尔兹海默病、帕金森病等脑疾病，基于小样本的医学影像数据，介绍课题组在迁移学习、深度学习等方面的工作。

卓俊杰，海南大学

海南大学副教授。致力于内侧颞叶精细脑网络结构和功能研究，以及阿尔兹海默病疾病进展过程研究。已经在Journal of Neurosience, Cerebral Cortex, Neuroimage等学术期刊发表相关研究成果。主持国家自然科学基金项目2项。获得北京市自然科学奖一等奖。

报告题目：散发性阿尔茨海默病脑结构时空改变模式

报告摘要: 理解阿尔茨海默病（AD）的进展过程是我们应对这一重大疾病的关键之一。大脑结构性病变是引起临床认知障碍的直接原因，因此理解散发型AD的结构时空病变模式对我们认识散发型AD的疾病进展过程至关重要。最近，我们在基于对齐临床诊断时间点的研究范式下，通过不存在Aβ与Tau病变的正常老年人群构建大脑基于脑区的老化进展模型。以此，预测经Aβ与Tau标记物确诊的AD病人脑结构病变模式，从而最终建立散发型AD的时空改变模式。未来，我们希望可以以此为约束条件，研究Aβ与Tau交互作用从而深入理解散发型AD的疾病进展机制。

刘泉影，南方科技大学

南方科技大学生物医学工程系助理教授、博导、神经计算与控制实验室PI。长期从事多模态神经信号处理、神经计算建模、类脑智能算法研究。发展了高通道脑电分析算法，解决脑电溯源精度不高、位置不准、静息态脑网络无法有效提取的问题；提出基于脑科学先验知识的深度学习模型，提出具有脑功能连接结构的类脑图卷积网络，致力于解决深度学习在脑科学应用中数据不足、深度学习模型中脑科学先验缺失、模型可解释性不强的问题。至今，发表SCI/EI论文超过50篇，包括Neuroimage, Hum. Brain Mapp., Neural Netw., Int. J. Neural Syst., J. Neural Eng.等领域顶级杂志，Google Scholar上显示总引用次数超过1500次；申请专利8项；受邀担任IEEE期刊IEEE J TRANSL ENG HE副主编、中国生物医学工程学会医学人工智能专委会青年委员、中国心理学会脑电相关技术专委会委员、深圳市电子学会新一代人工智能专委会秘书；主持国家级项目2项、省部级项目1项、深圳市项目3项。

报告题目：模型驱动和数据驱动的脑网络分析

报告摘要：大脑是一个复杂的网络系统，其特性主要反应在大脑的结构连接和功能动态上。尽管已有报道大脑的结构连接和功能网络拓扑具有一定的相似性，但脑结构网络如何约束脑功能动态以及结构-功能关系如何支持认知过程，在很大程度上仍然未知。在本次报告中，我将从模型驱动和数据驱动两个方面介绍脑网络分析方法。从模型驱动的角度，我们提出了脑结构连接和功能动态互相约束的优化模型，来分解大脑结构连接矩阵，并将脑功能动态投影到脑结构长成的基空间，在此空间中探索脑功能动力学的稳定性和关键性。从数据驱动的角度，我们提出用神经网络模型来拟合脑功能动态，然后通过对神经网络的虚拟扰动实验来得到全脑的有效连接图谱，该有效连接图谱能反映大脑的信息流的大小、方向和信息处理特性。

郑文明，东南大学

东南大学教授、博士生导师，现任儿童发展与学习科学教育部重点实验室主任、中国认知科学学会理事。主要研究方向为情感计算。担任IEEE Transactions on Affective Computing等期刊编委。主持国家自然科学基金重点/联合重点项目、科技部973课题等项目，获国家技术发明二等奖、教育部自然科学二等奖、江苏省科技进步二等奖、IEEE计算机协会最佳论文奖、IEEE情感计算汇刊最佳论文奖等奖项。

报告题目：脑电情感识别技术及应用

报告摘要: 情感计算是当前人工智能的重要研究方向，情感识别是情感计算研究的核心内容。报告围绕脑电情感识别问题，简要介绍了脑电信号产生的基本原理、脑电情感识别技术及其在医疗和教育方面的应用。

徐鹏，电子科技大学

电子科技大学生命科学与技术学院教授,国家优秀青年基金获得者，教育部新世纪优秀人才。2006年获得电子科技大学博士学位，2007-2009年美国加州大学洛杉矶分校博士后。一直专注于脑机接口技术、类脑智能、智能医学在认知临床等方面的应用研究，在包括IEEE TCYB,IEEE TMI,IEEE TBME,IEEE TNSRE，Neural Networks,Journal of Neural Engineering，Cerebral Cortex及Neuroimage等本领域权威期刊发表SCI论文130余篇，SCI他引2500余次，高被引论文5篇，申请获批国家发明专利6项，获批软件著作权9项，获得教育部自然科学一等奖1次，2012年入选教育部新世纪优秀人才计划，2015年获得国家自然基金优秀青年基金资助，中国生物医学工程分会医学神经工程分会秘书长,四川认知科学人工智能分会主任委员。主持了包括自然基金优秀青年基金、重点项目、国际地区合作以及科技部863、重点研发计划子课题、科技创新2030--“脑科学与类脑研究”重点项目等项目多项。

报告题目：基于脑电网络的情绪识别及其在情绪障碍疾病诊断的应用研究

报告摘要：个体情绪的识别对于构建智能交互系统及相关情绪障碍疾病的诊断具有重要意义。情绪作为高级认知过程，涉及到多个脑区及脑区间的信息交互，本报告将首先介绍如何通过机器学习提取情绪相关的大脑网络特征，建立稳定的个体情绪状态识别评估模型，并构建以脑电网络为核心的情绪识别系统，实现对被试情绪的有效在线识别；然后探讨如何利用脑电网络实现对包括精神分裂症、产前抑郁等情绪障碍疾病相关机制的研究，并进行疾病的早期有效诊断，为临床提供辅助指导。