Bin Dong, Professor, Beijing International Center for Mathematical Research, Peking University

Chong Chen, Associate Professor

Model and Data-Driven Computational Imaging

16:00-17:00 May 25 (Thursday) , Lecture hall on the first floor of Siyuan Building

计算成像是我们观察和理解自然界的重要途径，它关注如何高效地感知自然现象、获取数据并重建高质量的图像，以支持人们的研究和决策。计算成像涵盖了三个关键环节：图像感知、图像重建和图像分析。传统上，图像感知主要依赖硬件设计，而图像重建和分析则主要涉及数学和统计方法。长期以来，这三个环节的发展相对独立，相互融合的程度较低。然而，在机器学习（特别是深度学习）取得显著进展的当下，这种情况正在逐步改变。本报告主要探讨深度学习为计算成像带来的机遇和挑战，介绍如何将传统的图像重建算法与深度学习方法相结合，设计出数据驱动和任务驱动的成像算法，从而实现计算成像三个环节的有机融合。报告的最后部分将从更宏观的角度讨论计算成像在生命科学和医学前沿研究中的重要性，以及其未来发展方向。

报告人简介：董彬，北京大学，北京国际数学研究中心长聘教授、国际机器学习研究中心副主任、国家生物医学成像科学中心研究员，北京大学长沙计算与数字经济研究院副院长。2003年本科毕业于北京大学数学科学学院、2005年在新加坡国立大学数学系获得硕士学位、2009年在美国加州大学洛杉矶分校数学系获得博士学位。博士毕业后曾在美国加州大学圣迭戈分校数学系任访问助理教授、2011－2014年在美国亚利桑那大学数学系任助理教授，2014年底入职北京大学。主要研究领域为科学计算、机器学习及其在计算成像和数据分析中的应用。现任期刊《Inverse Problems and Imaging》编委、《CSIAM Transactions on Applied Mathematics》、《Journal of Computational Mathematics》、《Journal of Machine Learning》副主编。2014年获得求是杰出青年学者奖，2022年受邀在世界数学家大会（ICM）做45分钟报告。