张勇

清华大学 信息国研中心副研究员

CCF信息系统专委会委员，高级会员，IEEE和ACM会员。清华大学计算机系学士、硕士和博士，剑桥大学博士后，研究方向为数据管理，包括AI4DB、高效数据查询和多源数据融合等。主持及参与了多项国家重点研发计划、新一代人工智能重大项目、973、863、科技支撑计划、自然基金、铁道部基金等纵向项目以及横向合作项目。在国内外顶级期刊和会议，包括TKDE、VLDB Journal、IPM、WWWJ、SIGMOD、VLDB、ICDE、AAAI、ACL、IJCAI、EMNLP等发表论文160余篇，获得发明专利21项。

报告题目：复杂医疗场景的人机协同模型与医务人员操作流程优化

复杂场景下的医务人员操作存在人员水平差异、医疗资源不均、周边环境干扰、流程易错等突出问题，为辅助医务人员优化操作流程带来了挑战。围绕医疗场景人机协同的医务人员操作流程优化这一关键问题，本报告将探讨以医疗场景人机协同为导向，如何建立医疗操作交互与预警系统，实现行为合规性监督引导，提供医疗操作可靠优化的决策优化建议。具体的技术包括：面向医护场景的多模态人机交互驱动技术、医疗行为推演流程设计、细分操作检索推理与优化、细分操作统筹与调度、医疗实践中的医务人员操作决策模型等。

张铭

北京大学 计算机学院教授

2021年度CCF杰出教育奖获得者，教育部高等学校大学计算机课程教学指导委员会委员，ACM/IEEE CC2020计算学科规范执委，自1984年考入北京大学，分别获得学士、硕士和博士学位。主要研究方向为机器学习、图神经网络、计算机教育，合作发表科研学术论文 200 多篇，Google学术上的论文他引 14000多篇次，H 因子 42。获得机器学习领域最好的会议 ICML2014 最佳论文奖。所主持的“数据结构与算法”被评为国家级精品课程、国家级优质资源共享课、国家级精品在线开放课程、国家级一流本科课程。

报告题目：基于文本与结构联合学习的生物医学文本挖掘

生物医学文本挖掘旨在从文献、知识库中挖掘信息，用于药物发现、疾病预测等重要的生物医学问题。文本（如科学文献等）和结构（如188体育app官网：、分子式等）是生物医学文本挖掘中比较常见的两种数据形式，现有研究大多是对二者分别建模，而忽略了它们之间的关联。我们的研究模仿人类专家处理信息的过程，将文本信息和结构信息综合建模，互相补充，从而更好地挖掘生物医学知识。我们构建了一个综合了术语、定义和生物医学本体图结构的数据集，实现了一个用图结构辅助文本生成的模型，在术语定义生成方面取得了优于现有方法的表现。我们还并设计了一种预训练模型与异质图相结合生成元路径的方法，实现了对领域元知识的自动发现。

张彦春

广州大学 特聘教授

鹏城实验室网络研究部首席科学家，澳大利亚维多利亚大学名誉教授。张教授多年来一直从事社会计算和电子健康，大数据与AI算法与应用研究工作，在信息技术及医学领域发表国际期刊和学术会议文400多篇。出版/编辑书刊和专辑20余部，完成指导相关方向40多名博士生和博士后。在健康信息学/电子健康方面的研究包括医学大数据分析技术，数据关联分析及病人监测，分析预警，智能辅助诊断，疾病风险预测，医学图像分析，药物挖掘，健康管理等。应用场景将包括睡眠健康/精神健康，心电分析，手术重症分析，医学图像分析,肿瘤检测等应用。其研究成果被广泛引用并已产生较大社会影响，病人监测预警研究在多家中英媒体报道，包括The Australian, The Age，China Daily等。目前担任国际万维网期刊(World Wide Web)主编，健康信息科学及系统期刊(Health Information Science and Systems)主编，国际互联网信息系统工程协会(WISE Society) 主席。

报告题目：大数据/AI技术助力精神健康/神经系统疾病分析诊断

医疗健康是目前人工智能和大数据最为关注的领域。人工智能+医疗大数据将对医疗产业赋予新的能量与机会。人工智能技术+医疗大数据是将机器学习和数据挖掘两大核心技术用于医疗健康数据， 提高医疗诊治，健康管理水平。体现在智能辅助诊断，疾病风险预测，医学图像分析肿瘤监测， 药物挖掘，健康管理等。本报告将从大数据分析/人工智能技术应用的角度出发，对脑电信号心电信号等医学数据进行分析， 挖掘，探讨人体和疾病各因素之间的关系。应用场景将包括睡眠健康/精神健康，重症监测预警等。

范春

卫宁健康创新研究院 院长，首席行业专家

长期从事医疗卫生信息化行业的建设与产学研实践工作，有从业28年工作经历，主持或参与多项部级、省级重点工程项目建设、系统规划设计、科研课题，参与编制多项国家级、地市级医疗信息化建设方案与标准。

报告题目：数字化转型下的预防性医疗质量管理

本报告从公立医院高质量发展的角度入手，提出了自己对预防性医疗质量管理的理解，探讨了如何通过数字化的架构与功能模块进行预防性医疗质量管理的实施与赋能，列举出医疗质量管理的数字化场景，通过数字演绎实现质量管理的赋能。基于以上，本研究还对于医疗质量管理的演进方向进行了展望。

张文生

中国科学院自动化研究所 研究员、人工智能首席教授

中国科学院大学人工智能首席教授，国家人工智能重大专项首席科学家。主要研究：人工智能、统计机器学习、大数据模式挖掘、跨模态医疗分析。国家重点研发计划“云计算和大数据”重点专项总体组专家、“物联网与智慧城市”重点专项总体组专家。已经在国内外发表170余篇学术论文，获得国家发明专利40余项。

报告题目：跨模态健康医疗大数据智能标注

健康医疗数据标注当前面临着需求量大但智能化不足、标注类型多但跨模态欠缺的困境，亟需深入研究跨模态大数据智能标注的机器学习方法和平台。本报告围绕跨模态的知识迁移、弱监督的表征学习、轻量化的协同标注问题，介绍跨模态健康医疗数据标注从无到有、从有到全，从全到精、从精到多，从复杂到轻量、从单中心到多终端的探索研究。