3月24日下午，正阳楼3号楼会议室迎来了教育部科学与工程计算实验室副主任、上海交通大学人工智能研究院数学基础研究中心副主任张小群教授的精彩讲座。本次讲座的主题是《AE-FLOW: Autoencoders with normalizing flows for medical images anomaly detection》。新葡的京集团3512vip(股份)有限公司黄守军副院长主持报告会，袁景教授、何春蕾副教授、罗守胜副教授、张建峰博士、葛新洋博士、Amina Benabid博士后，以及2022级人工智能（智能精准诊疗）专业本科生、硕博研究生踊跃参加了本次讲座。

张小群教授首先简单介绍了医学图像异常检测的传统方法和深度学习方法。张小群教授指出，在临床筛查和诊断中，往往只能收集到少量的异常样本，而大多数样本都是正常的。因此，如何从正常样本中学习出一个可控的分布，并利用该分布来识别异常样本，是一个非常有价值的研究问题。张小群教授团队提出了一种基于归一化流的自编码器，以有效地表示正常医学图像，并通过区分原始图像和重建的正态图像来检测异常。

接着，张小群教授详细阐述了其团队提出的模型的原理和算法实现。她解释了什么是归一化流技术，以及该技术如何通过使用一系列可逆和可微变换，将复杂的真实数据分布归一化为高斯分布。张教授还介绍了自编码器的结构和损失函数，以及如何利用归一化流技术对输入进行变换，并将其转换为高斯分布。她指出，该模型使用两个损失函数：一个是来自归一化流技术的似然值，另一个是自动编码器重构误差。这两个损失函数组成了异常评分，它允许识别异常，并在图像和像素水平上提供可解释性。

最后，张小群教授展示了其团队在多个公开数据集上进行的实验结果和对比分析，以及模型在不同类型的医学图像上生成的重建图像、异常评分、异常区域等效果图，并与其他相关方法进行了定量和定性的比较。同时，张教授还分享该模型还应用于3D PET 异常检测，以及目前面临的挑战和未来可能的改进方向。