文章总结： 该文档报道了图灵班前沿技术大讲堂第二十讲，任亚洲教授以从人工智能基础到智慧医疗应用为题作报告。讲座从人形机器人引入，回顾AI发展史，讲解深度学习原理，重点介绍医疗影像处理与多模态智能诊断两个方向，并提及国产大模型与自主算力生态，最后强调扎实基础的重要性。 综合评分： 70 文章分类： 其他

“图灵班”前沿技术大讲堂第二十讲开讲啦

工程研究中心 工程研究中心

网络空间安全研究院UESTC

2026年9月19日 17:08 四川

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

2026年9月18日16：30-17：30，由数字经济智能与安全川渝共建重点实验室、区块链安全与平台技术教育部工程研究中心、区块链存储与交易技术四川省工程研究中心牵头组织的计算机科学与工程学院（网络空间安全学院）科研育人“图灵班”成功举办了“图灵班前沿技术大讲堂”第二十讲。本次讲座特邀学院任亚洲教授，为图灵班同学带来题为《从人工智能基础到智慧医疗应用：技术发展与路径探索》的精彩报告。曹晟研究员主持本次讲座，图灵班四十余位同学现场参与。

讲座开篇，老师以宇树人形机器人的视觉识别、路径规划与抓取动作为引，指出由人工智能引领的第四次工业革命—— 智能化革命 —— 正在重塑社会生产力。沿时间线，他回顾了从感知机、专家系统到神经网络与深度学习的几次起落，直到算力、数据、算法三者齐备，AI 才真正走向大规模落地。

    讲解区分了弱人工智能（完成特定任务）、强人工智能（通用认知推理）与超级人工智能三个层次，说明我们当下仍处弱 AI 阶段；并厘清了人工智能、机器学习、深度学习三者的层级关系：机器学习是实现 AI 的途径，深度学习是其分支，核心是让计算机基于已有信息预测未知结果。他特别提醒，不能只盯深度学习和大模型，LLM、计算机视觉、传统机器学习等基础领域同样要扎牢。

在原理部分，任老师对比了传统人工设计特征的 “特征工程” 与深度学习自动提取特征的 “特征学习”，指出后者是一套端到端框架。他用水管流量与调节阀作比喻：如同通过流量变化反推阀门开度，网络通过层层变换，把原始像素映射为 “这是什么” 的分类结果。由此讲到计算机视觉的里程碑：卷积神经网络（CNN）凭借局部感受野与权值共享高效处理图像；2012 年前后，依托 ImageNet 数据集，CNN 在图像识别上实现准确率的跨越式提升，直接点燃了今天的深度学习浪潮。

任老师指出，医疗数据天然多模态—— 影像、病理、检验、语音、病历并存，恰好与 AI 的多模态建模能力契合，讲座重点展开两个方向。

    其一是医疗影像处理，这是与计算机视觉结合最紧密的领域。以低剂量 CT 为例：降低辐射对患者更友好，但图像噪点增多，可能掩盖病灶，因此需要用深度学习把带噪图像还原得接近正常剂量。关键难点在于，监督训练通常需要成对的 “噪点图— 高清图”，而同一部位重复扫描在临床上不现实且受伦理约束，成对数据极难获取。业界的思路是学习噪声分布、把噪声叠加到高清图上以 “人造” 配对样本，或用自监督方法仅凭单张图像降噪。老师还介绍了团队在 TDDI 框架与 LDCT 数据上的工作：让模型分析切片间的上下文，学习提取病灶特征，最终服务于临床诊断识别。

    其二是基于多模态模型的智能诊断。老师用 “盲人摸象” 作比：单看某一类数据只能得到疾病的一个侧面，必须融合多种 “视图” 才能形成完整判断。围绕无监督多视图表征学习与跨视图融合，他梳理了四类典型方法：各视图分别学习特征再映射到共同空间拼接；为每个视图训练分类器再投票集成；结合联邦学习在保护隐私下协同建模；以及面向 “缺失部分视图” 的深度不完备多视图学习，先补全再融合，提升真实场景的鲁棒性。此外，AI 还在蛋白质多模态辅助药物研发、急诊患者危急程度分级评估等方面落地。

后半段，老师谈到国产大模型近年快速崛起，全球 AI 产业大致呈 “一超多强” 格局，而国内正以华为为代表搭建自主算力生态。技术上，多模态大模型主要有 RAG（检索增强生成）与垂类专用模型两条路径，并持续向医疗行业渗透。

    最后，任老师又话锋一转，提醒同学们：大模型 “什么都能答” 的时代，更要脚踏实地，不能把对底层原理的理解拱手交给模型 —— 算法基础、数学功底与工程能力，才是托举长远发展的根本。

    本次讲座从一台机器人出发，沿 AI 发展史落到深度学习原理，再深入医疗影像与多模态诊断，最后收束于学习态度，贯通了基础理论与产业实践，为同学们后续的专业学习与科研选题提供了清晰入口。

END

排版 | 郭天杰

一审一校 | 郭天杰

二审二校 | 陈骁

三审三校 | 曹晟

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：网络空间安全研究院UESTC 工程研究中心 工程研究中心《“图灵班”前沿技术大讲堂第二十讲开讲啦》