2026年10月20日上午，“人工智能驱动的生物医学信息重建与动态解析”专题学术讲座于武汉体育学院东教305室顺利举办。复旦大学生物医学工程与技术创新学院助理教授、博士生导师周子夏受邀作主题报告。本次讲座由湖北省运动与健康创新发展研究中心主任钟亚平教授主持。

周子夏教授为国家级人才，博士毕业于复旦大学，曾赴美国斯坦福大学医学院开展博士后研究。主要研究方向为生成式人工智能驱动的医学超声成像、可解释人工智能以及脑动态信号表征与解码。迄今以第一/共同第一作者在Nature Computational Science、Nature Communications、Medical Image Analysis及 IEEE Transactions 系列等国际权威期刊发表学术论文16篇，相关研究成果荣获美国医学物理学家协会最佳物理奖等多项学术荣誉。

报告以“看清组织—识别病灶—解析动态”为主线，系统梳理了有限观测条件下，人工智能在生物医学信息重建与动态解析领域的前沿研究进展。在医学影像重建层面，周子夏结合高质量超声成像典型案例，详细阐释单帧高分辨率重建、跨时空信息融合、跨设备图像泛化、柔性超声成像等关键技术路径；围绕临床智能诊断现实痛点，针对图像模糊、样本数据稀缺、临床推理复杂等现实难题，重点介绍多源特征融合、超声通用大模型、知识增强生成式人工智能、超声智能体在病灶识别与临床辅助诊断中的实践应用；在脑动态解析研究部分，结合注意力机制、流形挖掘分析、脑动态卷积网络嵌入等方法，分享如何从复杂脑信号中提取具备可解释性的时空表征，实现对神经活动动态变化的解析。

报告进一步凝练提出“从可重建的信息，到可解释的动态，再到可信的预警”这一完整研究范式，并立足可穿戴原始数据获取、风险终点指标界定、真实运动场景样本构建等现实问题，对运动健康领域的跨学科交叉研究作出展望。

报告结束后进入互动交流环节。面对师生提出的各类问题，周子夏结合自身科研实例逐一答疑解惑，引发在场师生对于AI模型跨设备与跨人群泛化能力、复杂生理信号表征的可解释性、真实场景有效性验证等议题的深度思考。与会师生认为，未来可着力推进医学影像、脑功能信号与运动生物力学多源数据的协同采集与关联分析，着力攻克个体异质性、小样本建模、跨场景迁移、模型可信解释等技术难点，推动人工智能技术与运动训练、运动医学、运动健康管理的深度融合创新。

                                                                  （杜心怡、王毅兵供稿）