6月27日，美国密西根大学博士后Saiprasad Ravishankar博士应邀访问我系并做客第286期“工物学术论坛”。Ravishankar博士面向全系师生作了题为“Powering the Future of Signal Processing and Imaging with Data-Driven Systems（用数据驱动系统为信号处理和成像的未来提供动力）”的学术报告。本次学术论坛由高河伟副教授主持，大约12名师生参加。

Ravishankar博士在报告中指出，下一代的成像系统预估越来越受采集数据的驱动来实现。传统的成像系统图像重建过程主要是基于滤波反投影方法或者迭代方法来实现的，在成像系统稳定性不好或者剂量较低的情况下，会产生降低图像质量的噪声和伪影。而在Ravishankar博士的研究工作中，采用了Transform Learning（变换学习）的方法，结合其中变换结合、不连贯性和旋转不变性等结构，对有限数据或者损坏数据进行处理，在视频去噪、X射线计算机断层扫描和核磁共振图像重建等方面取得了很好的实验结果，有效地降低了图像噪声和消除了图像伪影。同时，Ravishankar博士还将字典学习和低秩模型相结合，能够实时处理动态核磁共振图像。Ravishankar博士的研究工作能够将人们从繁琐的图像后处理过程中解放出来，更加方便、快捷获取清晰、有效的高质量图像，有力地推动了临床医学、工业生产等领域的进一步发展。

会后，Ravishankar博士和我系光栅成像课题组成员进行了深入的探讨，以期在光栅成像领域达成合作关系，促进光栅成像的研究发展。

注：Saiprasad Ravishankar博士，美国密西根大学博士后，研究Transform Learning（变换学习）理论与方法，及其在CT、MRI成像中的应用，于2014年在伊利诺伊大学香槟分校(UIUC)获博士学位。