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。
对基于深度学习的智能医学影像辅助诊断系统的研究展开内容汇报
（1）研究基于感兴趣区域的深度学习目标检测算法Faster-RCNN，对医学病变图片样本进行训练，分析模型的识别效果、处理速度。
（2）研究基于回归的深度学习目标检测算法YOLO，目前最新的YOLO v3算法具有非常快的检测速度，比RCNN快1000倍，比Fast-RCNN快100倍。
（3）Faster R-CNN和YOLOv3的对比分析，研究不同学习率、不同迭代次数、不同样本数量等条件下模型对于病变的识别精度和识别速度。
（4）样本数据获取优化——图像自动标注设计。使用Python编写脚本，用于批量测试视频和图片，并且保存模型识别出的病变图片以及生成对应的标注文档，极大地提升了数据获取效率。
（5）系统Web端界面设计开发，使用Vue.js构建用户界面的渐进式框架进行开发，系统通过WebSocket使前后端进行通讯，完成病变检测模型调用的开始和结束。