2024年10月18日-20日，由中国自动化学会(CAA)、拉斯维加斯手机娱乐网站 (CSIG)、中国人工智能学会(CAAI)和中国计算机学会(CCF)联合主办，新疆大学承办的第七届中国模式识别与计算机视觉大会(The 7th Chinese Conference on Pattern Recognition and Computer Vision,  PRCV 2024)在乌鲁木齐新疆国际会展中心成功举办。在此次大会上，CSIG机器视觉专委会承办了“机器视觉与学习”论坛，北京大学林宙辰教授和王奕森助理教授为论坛主席。机器学习是一门从已知数据中探寻未知规律和模式的艺术，如何以更少的代价取得更好的学习效果始终是其亟待解决的核心问题。随着机器学习技术在视觉等领域的发展和应用，传统学习算法在逐步向前迭代的同时，各式深度学习方法也在不断推陈出新。本次论坛邀请到了西北工业大学尤著宏教授、北京航空航天大学计算学院李建欣教授、合肥工业大学管理学院李霄剑研究员、杭州电子科技大学江劭玮教授四位专家进行论坛报告，聚焦领域最新的研究进展与前沿技术，详细探讨了“生物医学知识图谱表示学习在分子相互作用预测中的应用”“大数据关联建模及长序预测方法”“三维感知驱动的微创手术智能化技术研究”“高通量叠层显微成像技术与应用”等主题内容。

图 1 尤著宏教授作题为《生物医学知识图谱表示学习：在分子相互作用预测中的应用》的报告

尤著宏教授作了题为《生物医学知识图谱表示学习：在分子相互作用预测中的应用》的报告。后基因组时代生物医学领域的关键问题之一是系统地理解和分析生物分子之间的分子间关系。复杂的生命活动是由各种生化分子进行的，它们相互作用以维持生物体的正常生理功能，其扰动或破坏将导致功能失调或复杂疾病。在还原论思想的指导下，现有研究对单一或极少数分子的活动进行了深入研究，但对多分子相互作用网络缺乏全局思维，忽视了其整体性和系统性。随着多组学技术、单细胞测序技术等研究方法的进步，大量关于分子间相关性的生物医学大数据迅速积累，这对传统的分析和挖掘方法提出了挑战，也为我们探索复杂的生物分子相关性网络提供了宝贵的数据支持。尤著宏教授及其团队结合了知识图谱和推荐系统两种人工智能技术，通过学习知识图中各种生物分子的低维表示和与生物分子属性特征的多模态融合，提出了一种基于不同尺度分子关联图的图论预测挖掘方法，本研究将系统地揭示和构建从分子水平到生物医学系统水平的不同尺度的分子关联图。

图 2 李建欣教授作题为《大数据关联建模及长序预测方法》的报告

李建欣教授作了题为《大数据关联建模及长序预测方法》的报告。大数据蕴含的关联结构、驱动的长时预测，已成为网络空间安全、重大设施运维等行业领域的共性需求，关键要解决“数据看得懂、行为判得准、演化能预测”等智能计算难题。针对互联网行为数据关联、检测预测的计算需求，李建欣教授及团队构建了图高阶表征-关联异常发现-长序列预测框架，重点研究：如何发现几何特性高阶保持的低失真图表征空间？如何发现高阶复杂关联模式？如何实现长序列高效预测？并基于异构融合体系提升数据计算效率。研发系统已应用于网信、公安领域的异常群体检测等，以及国网、航天的设备运维等业务。

图 3 李霄剑研究员作题为《三维感知驱动的微创手术智能化技术研究》的报告

李霄剑研究员作了题为《三维感知驱动的微创手术智能化技术研究》的报告。手术机器人因其具有创伤小、精度高、稳定性强等特点，成为了当今社会广泛关注的热点。配备于手术机器人上的电子内窥镜受视场角限制，导致使用者很难获得全面的体内环境信息，亟待出现更加直观全面的体内环境实时动态三维影像。李霄剑研究员基于其在微创手术机器人领域的研究成果，探讨了三维感知驱动的智能化技术应用，介绍了实时动态深度估计、动态点云柔性配准、手术器械鲁棒检测及自主追踪算法等多项关键技术，展示了其在临床与动物实验中的应用成果。

图 4 江劭玮教授作题为《高通量叠层显微成像技术与应用》的报告

江劭玮教授作了题为《高通量叠层显微成像技术与应用》的报告。叠层成像作为近年来迅速发展的新型相干衍射成像技术，凭借其无需参考光束、相位定量化、无像差等优势，已成为众多同步辐射X射线实验室中不可或缺的成像方式和相干衍射成像领域的热点研究方向。然而，由于成像通量与分辨率较低，叠层成像技术在可见光波段的应用受限。江劭玮教授介绍了团队基于可见光波段的高通量叠层显微成像方面取得的一些研究进展，主要包括基于编码照明的频域傅里叶叠层成像技术和基于编码探测的空域编码叠层成像技术。报告将介绍成像的基本原理，并进一步讨论其大视场、高分辨率、高相位灵敏度、低成本等优势特点，以及在生物医学、光学测量等领域的潜在应用。

本次机器视觉与学习论坛成功汇聚了国内计算机视觉和机器学习领域的广大科研工作者及工业界同行，分享了最新理论研究进展和技术研发成果，加强了本领域学术界和企业界进行深入的“产学研”交流与合作，进一步促进了计算机视觉和机器学习领域的协同创新。