5月29日上午，中国人民大学统计学院周静副教授受邀到统计学院作题为“A Novel Clinically Experience-Guided Statistical Metric for Assessing Lung Nodule Progression”的学术报告，学院30余名师生参加，报告由统计学院刘强教授主持。

报告中，周静以肺部CT影像为例，介绍了统计与深度学习技术在医学影像分析中的应用及挑战。首先，她介绍了肺部CT成像数据的核心概念与常见的数据处理技巧，回顾了现有文献中关于结节变化测量的研究，这些研究通常依据结节的直径、体积、中心密度以及结节体积密度等参数进行评估。然而，她指出现有的评估方法过度依赖医生的主观经验，缺乏客观、量化的指标来判定结节进展是否具有统计学意义。随后，周静提出将结节进展问题表述为一个假设检验问题，并提出了一个新的统计量NPDS来检验结节是否进展。该方法仅依赖于二维CT图像，避免了传统体积方法需要精确的三维结节描绘的复杂过程。并通过大规模模拟数据集和真实临床数据集验证了新提出方法的有效性。最后，为了更直观地展示该方法的应用，周静演示了基于CT影像的肺结节病理类型预测及线上自动化诊断平台的使用流程。

报告结束后，与会师生就假设检验的保守性、如何精确识别连续两次拍摄影像的差异等问题，与周静副教授展开了热烈讨论。