为进一步优化学术生态体系，构建多层次学术交流平台，华东师范大学医学磁共振与分子影像技术研究院组织开展系统化、常态化、品牌化的“汇智青年学者论坛”系列学术活动。

论坛聚焦前沿学科领域，以跨学科的独特视角、突破性的创新成果，深度拓展青年学者的学术视野，全方位激发科研思维的多维度碰撞，致力于培育充满活力与潜力的学术共同体。

研究院拟于2025年5月30日举办第3期汇智青年学者论坛——智能融合与精准诊疗：超限成像、力化学控释材料与AI定量MRI的协同创新。

论坛简介

“超限”成像与医学图像分析

报告人：王妍，通信与电子工程学院 教授

报告人简介：

王妍，华东师范大学通信与电子工程学院教授、博士生导师。获得国家高层次人才青年项目、上海市海外高层次人才、入选2023“上海科技青年35人引领计划”、华东师范大学紫江优秀青年学者。2017年在新加坡南洋理工大学获得博士学位。曾在俄亥俄州立大学访学，在约翰霍普金斯大学Alan Yuille（师从斯蒂芬霍金）组任博士后。致力于研究多维成像技术与医学图像分析。发表顶级期刊和会议论文60余篇。谷歌学术引用12,000余次。研究成果被美国国家公共广播电台（NPR）报道，应用在JHMI重大医学项目；光谱成像及图像分割技术的成果已获得中华人民共和国医疗器械注册证；获得2023中国产学研合作创新成果一等奖、2024上海市优秀发明创新金奖。主持了多项国家级和省部级项目，担任MICCAI领域主席以及多个SCI期刊的客座编辑。任校欧美同学会理事会理事，中国图象图形学学会青工委、中国图象图形学学会女工委、上海计算机学会计算机视觉专委、医学图像计算青年研讨会委员。

报告简介：

疾病诊断与分析所需的精准感知面临诸多挑战：信号获取不充分，彩图影像包含的信息量有限；标注覆盖存在局限，导致有效监督不充分；医学数据中存在的隐蔽性病变或细微变化征象易发生漏诊，难以学习健壮的特征表达。针对人眼视觉局限和单维度检测的不足，我们开展了显微高光谱成像技术研究，提出快速对焦算法显著提升了对焦效率；同时突破传统标注和单模态分析仅能识别显性病变的局限，设计了多目标与多组学系统性学习框架学习隐性病变，并整合医学先验知识，分别构建了区域特征、几何结构与数据注意力机制的表征模型。目前，我们正进一步挖掘人工智能算法在辅助诊断中的潜力，旨在多组学阐明复杂疾病患者的特异性特征，支撑医疗诊断。

力化学气体信号分子控释材料

报告人：孙运彦，生命科学学院 青年研究员

报告人简介：

孙运彦，华东师范大学生命科学学院青年研究员、紫江青年学者。主要从事“功能生物材料设计及刺激响应药物递送”领域相关研究。2015年9月进入上海科技大学化学系，2019年6月获得理学学士学位，2019年8月前往美国伊利诺伊大学香槟分校（UIUC）化学系，师从美国科学艺术与科学院院士，美国国家科学院院士Jeff Moore教授，研究聚合物机械力化学与超声响应纳米药物。2023年1月前往美国麻省理工学院（MIT）化学与化工系Heather Kulik教授课题组交流，2024年12月获得理学博士学位。2025年2月进入华东师范大学生命科学学院程义云课题组担任青年研究员。在 Chem, J. Am. Chem. Soc., ACS Nano, ACS Macro Letter等国际权威学术期刊发表论文十余篇，其中以第一作者发表4篇J. Am. Chem. Soc.与1篇Chem。

报告简介：

气体信号分子是一系列生物体内源产生并传递化学信号从而诱导一定生理或生化变化的气体分子，典型例子包括一氧化氮（NO）、一氧化碳（CO）、硫化氢（H2S）、二氧化硫（SO2）等。气体信号分子的功能调控与浓度高度相关，因此精准递送气体信号分子是领域内的重大挑战。高分子力化学通过高分子链传递并导向机械力，在机械刺激（如超声、球磨、拉伸等）下可以选择性地激活力响应分子（力敏团），从而实现材料特定功能的机械力响应开启。由于超声良好的生物兼容、高穿透深度及可聚焦特性，超声介导的高分子力化学作为一种全新的超声响应范式，有望成为下一代针对局部深层组织的控释技术。我们基于力化学原理，利用双自由基-消除串联策略开发了一系列力敏团（mechanophore），实现了超声力化学条件下气体信号分子的控释。通过多元的力敏团设计，我们实现了不同气体信号分子的力化学释放（如一氧化碳、二氧化硫等），同时我们还可以实现释放过程的多色荧光可视化，为力化学介导的气体疗法在生物医学领域的应用提供了新工具。

AI赋能定量磁共振成像技术的发展探索

报告人：王成龙，医学磁共振与分子影像技术研究院专任副研究员

报告人简介：

王成龙，华东师范大学医学磁共振与分子影像技术研究院专任副研究员。2020年日本名古屋大学获信息学博士学位，后进入华东师范大学从事博士后研究。2023年留任华东师范大学。主要聚焦于人工智能在医学辅助诊断领域的应用，尤其是磁共振图像（MRI）的处理与分析。通过结合深度学习、计算机视觉等先进技术，开发高效、可靠的模型与算法，旨在提高医疗影像的自动化分析能力，辅助临床医生对疾病进行精准诊断。此外，还致力于探究“AI for Science”领域，探索人工智能在材料设计中的赋能作用，利用AI算法优化材料性能预测与设计流程。曾获得中国博士后国际交流计划，上海超级博士后，上海浦江人才计划等多个人才计划支持，在人工智能领域发表学术论文30余篇，并得到了同行的认可。

报告简介：

随着医学影像技术从传统的“定性经验判读”逐步走向“定量精准分析”，人工智能（AI）正逐渐成为推动磁共振成像（MRI）研究发展的重要力量。本报告重点探讨了人工智能与定量磁共振成像（qMRI）之间的深度融合，分析AI技术如何帮助解决传统医学影像研究中的一些核心难题。

目前，qMRI在应用中面临着多参数之间相互影响难以准确分离、计算过程复杂且耗时、临床推广存在一定障碍等问题。针对这些挑战，本报告详细介绍了深度学习技术在该领域的应用进展。旨在为医学影像研究人员提供一种结合AI技术的创新思路，促进不同学科之间的交流合作，共同推动磁共振成像技术在临床和科研中的广泛应用。希望通过这些方法，能够帮助大家更好地理解和利用人工智能带来的新机遇，为医学影像的发展开启更多可能。

论坛时间