2022年5月20日上午9点30分，计算机科学与技术学院第二届“研学论道”研究生学术沙龙第三期（总第十八期）顺利举办。本期邀请了2018级博士生李静瑶和朱芮进行学术分享，她们分享的主题分别是无监督领域适配和医学图像融合。本次沙龙活动旨在通过学术分享，拓宽研究生学术视野，促进同学之间的科研交流。活动由计算机科学与技术学院研究生会干事王子昌主持，以腾讯会议的方式线上举行。
上半场，讲者李静瑶带来了以“同时增强无监督领域适配中的可迁移性和可判别性”为主题的论文分享。讲者首先介绍了文章的主要研究问题——领域适配迁移学习的分支，它关注源领域和目标领域标签分布不同的问题，特征的可迁移性和可判别性是影响领域适配问题的重要因素，影响着迁移学习的效率和准确性。针对上述问题，讲者提出了一种同时增强特征可迁移性和可判别性的方法ETDS。一方面，该方法包含两个用于显式捕获领域特有属性的模块，有助于在领域共享特征中保留公共特征，从而增强特征的可迁移性。另一方面，方法通过驱使特征靠近相应的原型来增强特征的可判别性。此外，讲者还提出了一种不使用真实标签或伪标签的新的原型构建方法，并提出了一种平衡策略来调节源领域原型和目标领域原型的相对贡献。最后，讲者介绍了上述方法在DomainNet的4个数据集上进行实验，验证了方法的有效性。
下半场，讲者朱芮围绕 “基于自适应共生滤波器分解优化模型的多模态医学图像融合”问题进行了分享。讲者指出，根据成像设备和原理不同，医学图像呈现出不同模态以不同角度反映患者的健康状态。每一种医学图像都有其特有的优势和不足。在面对复杂疾病时,单一模态的医学图像不足以提供足够的辅助信息供临床医生给出对疾病的诊断或者制定治疗方案。所以医学图像的融合有利于临床的诊断治疗。为了解决基于滤波器的图像融合方法不能够自适应地处理医学图像且需要迭代执行的问题，讲者提出了像素强度偏度(SPI) 的概念和一种基于自适应共现滤波器(ACOF) 的图像分解优化模型。实验结果表明，ACOF 方法在5 个客观指标和主观评价方面均有突出的表现。
汇报结束后，两位讲者也分享了自己的论文写作和投递经验。讲者李静瑶认为，每一次应对审稿人的意见都是对自己能力的考验，大家在面临退稿和修稿时应当摆正心态，珍惜每一次精益求精和提高自己的机会。讲者朱芮则提出了关于如何选择投稿期刊会议的建议，在投稿前了解相关领域期刊的收稿倾向、行文偏好，有针对性修改论文能有效提升论文被录用的概率。本次活动中，讲者和同学们友好互动，同学们不仅了解了无监督领域适配和医学图像融合领域的前沿进展，也收获了不少论文写作与投递的经验与心得。
“研学论道”研究生学术沙龙会于每周五上午9点30分在腾讯会议定期举行，希望同学们持续关注。
撰稿：彭姮
图片：彭姮
