为加强研究生学术交流活动，推进学术创新，特开通“研究生学术报告预告区”。我校研究生和教师可以在预告区及时发布和了解有关研究生学术报告的信息，届时参加。也可就某学术报告展开专题讨论与交流。
传统卷积神经网络在层与层之间只有一个连接，下一层只能在前一层的基础上进行学习，这样会影响信息的传递。研究表明，当输入层与输出层之间的直接连接越短，网络越好训练，效果越好。而卷积神经网络每一层的感受野大小是固定的，无法学习到不同尺度的样本特征。本文提出一种基于多尺度挤压激励稠密网络的病理图像分类算法，以稠密网络为基本网络，在其中加入挤压激励模块提取通道间的依赖性，同时在网络中加入多尺度学习，学习细胞的不同尺度特征。