报告摘要：本报告围绕多模态核磁共振图像（MRI）同步快速高质量重建问题展开，特别地，关注MRI 中基于高质量T1 模态的T2 模态快速高质量成像。具体地，首先在有成对高质量T1模态和低质量T2 模态影像的情形下，构建基于生成任务和重建任务耦合的深度学习构架，实现高质量T1模态辅助高质量T2 模态成像；其次，为解决T1 和T2 模态成对影像在空间域的差异，在将不同模态影像理解为图像区域上的分布函数后，通过引入最优传输实现影像在空间域的对齐和模态生成。在公共和特有数据上的对比和消融性实验验证了所提出算法较现有算法有更高的精度，从而为多模态MRI 快速高质量重建提供有效路径。

个人简介：应时辉，博士，上海大学教授、博士生导师。分别于2001年和2008年在西安交通大学获得学士和博士学位，2012-2013在美国北卡罗来纳大学教堂山分校从事博士后研究。主要从事流形上的反问题、医学影像处理与智能分析等方面的研究工作。针对流形上的反问题，建立基于流形约束优化和保结构算法的统一数学分析框架，形成医学影像配准与标准化问题表征的新理论与新方法，建立了目前最为精准的大脑图谱。近年来，在包括IEEET-PAMI等IEEE汇刊和JCP、NeuroImage、Patten Recognition等期刊以及CVPR、IJCAI等会议上发表学术论文90余篇（包括多篇ESI高被引和热点论文）。研究成果被引2000余次、单篇最高被引350余次。目前在研主持国家重点研发计划数学与应用专项课题、国家自然科学基金面上项目各1项，主持完成国家级项目和省部级重点项目3项。受邀担任中国工业与应用数学学会数学与医学交叉学科专委会委员、中国运筹学会医疗运作管理分会理事、上海生物医学工程学会人工智能专委会常务委员，以及多个SCI期刊客座主编/编辑和著名国际会议程序委员会高级委员/委员。