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。
利用深度学习代替人工提取图像特征，实现分类识别的方法优势在于其充分利用了大数据的优势，用于模型训练的数据越多，深度学习算法的鲁棒性、泛化能力就越强。但对于深度学习在医学、生物图像分析领域的应用，数据集的获取和标注成本很高，难以发挥大数据的优势。生成对抗网络(GAN)具有强大的图像生成能力，本报告主要介绍一种基于CycleGAN（循环一致性生成对抗网络）的深度学习数据增强方法，利用CycleGAN实现了高质量带标注生物分析领域图像数据集的生成。