2月17日上午9:00，佛罗里达大学陈韵梅教授应邀在数理医学院“数理医学前沿论坛”作题为《A variational deep learning method for interpretable and generalizable MRI reconstruction》的学术报告。报告会以腾讯会议的形式开展，由黄守军副院长主持，学院专业教师和研究生等约30人参加了报告会。

陈韵梅教授向同学们介绍了基于变分深度学习方法的可解释和可泛化的MRI图像重建问题，以用于解决任务特定且数据要求极高的应用场景问题。陈教授提出一个可学习的变分模型，其中正则化函数包含两组参数：一组用于公共特征编码的任务不变集，另一组用于解释异构数据的特定部分。网络架构是基于一个学习的收敛优化算法，并需要求解非凸和非光滑模型。双层优化算法的训练，可以防止过度拟合并提高泛化性。实验结果表明，所提方法能够很好地推广到训练过程中欠采样模式和轨迹不出现的图像重构问题。

陈韵梅，佛罗里达大学Distinguished Professor、博士生导师，致力于数学、图像处理和机器学习等交叉学科的研究，研究领域包括医学图像分析中数学模型的建立与数值优化方法的发展，并对其中潜在的数学理论进行了深入的研究。曾获中国国家自然科学三等奖和教育部科技进步一等奖，获国际发明专利9项，主持国家级项目30余项，在Inventiones Mathematicae, SIAM Journal on Imaging Science, Pattern Recognition, IEEE Transactions on Biomedical Engineering等杂志上发表学术论文200余篇。陈韵梅教授被公认为偏微分方程与图像处理领域内的国际知名科学家，在国内外具有崇高的学术地位。