近日，2021年度中国电子学会优秀硕士学位论文结果正式公布，此次全国共有100篇申报，最终评选出20篇优秀硕士学位论文。威廉williamhill体育2021届硕士研究生费晓燕的论文《基于有监督迁移学习的医学影像计算机辅助诊断研究》上榜，其导师为威廉williamhill体育施俊教授。
2021年度中国电子学会优秀硕士学位论文评价入选名单（按论文作者姓氏笔画排序）
费晓燕同学系上海老员工物医学工程专业2018级学术硕士，硕士期间从事基于有监督迁移学习的医学影像计算机辅助诊断研究，以第一作者身份在Pattern Recognition（一区）、Neurocomputing（二区）、Cognitive Computation（二区）等国际主流期刊上发表论文4篇、领域知名国际会议论文1篇。硕士期间获2020年威廉williamhill体育研究生国家奖学金、2018–2020年威廉williamhill体育研究生学业奖学金一等奖等奖项。
获得本项荣誉，费晓燕表示能够为母校和学院获得此份荣誉甚是荣幸，感谢导师施俊教授的悉心培养和指导，感谢近三年的科研小组里每位老师和同学的关心和帮助。关于科研工作心得，费晓燕概括为：“天道酬勤，舍我其谁”。在科研的道路上，勤奋是必需的法宝，必须要脚踏实地、刻苦钻研。一分耕耘，一分收获，但很多时候收获需要时间的积累，那么就需要有舍我其谁的自信，相信自己，坚持下去，终会收获属于你的果实。
获奖链接：https://www.cie.org.cn/site/content/4594.html
附：获奖学位论文《基于有监督迁移学习的医学影像计算机辅助诊断研究》简介
医学影像是广泛应用于疾病检查和诊断的重要工具。基于医学影像的计算机辅助诊断（CAD）具有可重复性和一致性好的优点，能够为医生提供客观、精准的“第二意见”，减少漏诊误诊情况。虽然多模态医学影像能够提供更加全面、互补的信息，但是由于我国医疗资源分布不均，导致基于单模态的医学影像检查具有更加广泛的应用。然而单模态数据包含的信息较为单一有限，因此，提高基于单模态的医学影像CAD的性能仍然是具有挑战性的问题。迁移学习可以从包含丰富相关信息的源域迁移知识，以帮助改进目标域模型的性能。本论文将迁移学习应用于单模态医学影像计算机辅助诊断，从而提升它的分类性能，主要研究成果简述如下：
（1）针对基于参数迁移的分类器性能会受特征表达能力影响的问题，论文提出一种基于参数迁移的稀疏多经验核学习机，将投影参数迁移机制嵌入多经验核学习机分类器中，在提升特征表达的同时，实现源域向目标域的跨域变换，以提升分类的效果；
（2）论文提出将基于交叉权值的双通道深度神经网络的特征级迁移和基于投影参数迁移的分类器级迁移融入同一学习框架，然后对模型进行整体的优化，从而有效提升迁移性能；
（3）论文提出一种双重监督迁移学习算法用于处理模态不平衡的多模态医学影像数据，其迁移学习由两部分模块构成：采用特权信息学习范式实现共享标签的成对数据之间的迁移，采用希尔伯特-施密特独立性准则实现非共享标签的不成对数据之间的迁移，从而能充分利用并挖掘所有双模态和单模态数据的可迁移信息，有效提升单模态影像CAD性能。
