2022年1月17日上午十点，应孙飞研究员的邀请，中国科学院计算技术研究所肖立博士来蛋白质科学研究平台生物成像中心进行学术交流，在生物物理所图书馆二层学术报告厅做题为《多尺度多模态生物学建模研究》的报告。　　

　　肖立博士2010年毕业于清华大学数学物理基础科学本科专业，2017年毕业于美国加州大学欧文分校获生物医学工程博士学位，同年被聘为中国科学院计算技术研究所副研究员并入选中国科学院相关人才计划。肖立博士长期从事分子动力学高效精准建模、生物医学影像智能分析及相关人工智能算法等方面的研究，在Science，TMI，JCTC，IJCAI等国际顶级期刊／会议上发表论文30余篇，其中第一／通讯作者论文近20篇。

　　肖立博士本次的报告从分子动力学模拟到医学病理方面的研究均有涉及，主要围绕多模态生物医学建模、利用深度学习的方法，开展相关研究。

　　在报告中，肖立博士首先重点介绍了基于多尺度融合的分子动力学高效建模方法，首次提出基于隐性溶剂多尺度分子动力学的物理模型，实现了针对分子尺度的三维流体动力学模块，解决了不规则域上纳维-斯托克斯方程的收敛性和稳定性等关键科学问题，进一步构建了隐性溶剂与全原子模型动力学耦合系统，并首次验证了隐性溶剂和显式模拟的界面一致性。该方法可将分子动力学模拟效率提升万倍以上。

　　同时肖立博士介绍了基于先验知识的显微影像分析以及影像报告间跨模态生成模型及研究成果，首次设计并实现以患者多次检查的历史记录作为先验信息的影像报告生成系统，可显著提升 Covid 19 CT 影像报告生成质量。肖立博士团队创建了“深度学习+先验知识”模型：针对特定医学任务，通过目标形态、医学常识、背景特征等先验知识辅助模型精准判断。 提出的新方法可提高乳腺癌识别特异度，提升多器官分割dice系数，实现接近有监督精度的无监督COVID-19 病灶分割。 开发的脑卒中人工智能诊断系统已在临床试点并获“ 2019 全国医疗人工智能临床应用创新奖”。在此基础上，肖立博士进一步介绍了其未来将要构建融合超分辨显微成像和扫描显微成像新型医学疾病诊断系统的计划。

　　报告结束后，参会的各位老师和同学结合自己的研究方向，就分子动力学模拟、模型检测、数据标注等工作与报告人进行了深入交流，肖立博士对大家的提问做了细致的讲解。