在医学成像中，探测到的原始数据往往非常珍贵，对后续的处理影响很大，但由于其直观性和均衡性较差等特性，很难处理。本团队近五年紧紧面向原始数据域进行生成式人工智能的成像重建工作。通过将数据变换融入迭代生成，实现高效稳健的扩散模型重建算法。以此为基础，我们开展了从多数据到少数据集学习、从规则样本到非规则样本建模、从单模型到多模型设计的系列创新，实现精准重建且适应面广的系列生成式智能成像算法。

报告人简介：刘且根，南昌大学教授、信息工程学院执行院长、人工智能工业研究院院长。IEEE Senior member。2012年获上海交通大学工学博士学位，期间在中科院-德国马普学会计算生物所和中科院深圳先进技术研究院客座交流，2015年至2017年在美国UIUC和加拿大卡尔加里大学做博士后。致力于智能成像与视觉显示的系统开发与算法研究，发表IEEE Trans 和成像与视觉显示期刊论文100余篇。任中国体视学学会分会常委、电子与信息学报编委等，主持国家重点研发计划、国家自然科学基金优青和联合重点项目、企业合作等项目30余项，参编专著及教材6部，获江西省自然科学、吴文俊人工智能技术发明、中国体视学学会科技进步等科技奖励和江西省教学名师、省级示范研究生导师创新团队等教学荣誉20余项。