石河子大学理学院“明理志远”学术讲坛2026年第九讲

报告题目：高噪声复杂场景下的图像鲁棒智能分析研究 高噪声复杂场景中的图像与信号数据通常受到强噪声干扰、有效特征弱化和结构退化等因素影响，给智能感知与分析带来显著挑战。本报告将围绕涉水视觉与医学成像两类典型场景，介绍面向高噪声数据的鲁棒智能分析研究。

在涉水视觉方面，针对图像退化、标签噪声等问题，构建图像增强、鲁棒学习算法。在医学成像方面，将相关鲁棒建模思想拓展至高噪心脏影像分割与三维时序建模等任务。相关研究表明，面向噪声抑制的统一建模方法，能够有效提升复杂场景下模型的准确性、稳定性与跨场景泛化能力。

陈龙，现任英国帝国理工学院研究员，博士毕业于英国莱斯特大学，先后在伦敦大学学院、帝国理工学院从事人工智能算法相关研究。主要研究方向包括人工智能、计算成像、医学影像分析与涉水视觉。

已在国际重要期刊和会议发表论文60余篇，其中以第一作者或通讯作者发表顶级期刊及会议论文16篇，包括ACM Computing Surveys、IEEE TIP、IEEE TMM等顶级期刊，以及ICML、AAAI、ACM MM等人工智能领域顶级会议。

目前担任国际模式识别领域期刊Pattern Recognition副编辑，并担任多个国际学术会议及研讨会的程序委员会主席和组织委员会主席，组织MICCAI、ICME等领域重要国际会议的专题研讨会。参与多个英国重要科研项目，包括英国心脏研究基金会（Heart Research UK）、英国研究与创新署工程与物理科学研究委员会（UKRI-EPSRC）及医学研究委员会（UKRI-MRC）资助项目。

相关研究成果获英国广播公司（BBC）专题报道，并荣获英国皇家医学会（Royal Society of Medicine）Finzi Prize一等奖。