<mark id="oztn4"></mark>
0
8月24日，第三屆圖像計算與數字醫學國際研討會（ISICDM 2019），正式在西安索菲特酒店召開。研討會由國際數字醫學會與國家天元數學西北中心聯合主辦，西安電子科技大學數學與統計學院與空軍軍醫大學（第四軍醫大學）生物醫學工程學院聯合承辦。
雷鋒網&AI掘金志第三次作為大會首席合作媒體，對ISICDM進行全程報道。
經過三年的發展，ISICDM大會的眾多嘉賓談及的研究趨勢，逐漸成為醫學圖像和數字醫學領域的重要研究風向標。
本屆論壇中，中國科學院院士徐宗本教授、美國工程院院士John Gore教授，加拿大皇家科學院院士Terry Peters教授，英國皇家科學院院士郭毅可教授，四位院士蒞臨本次大會。
與此同時，MRI主編（美國工程院院士John Gore教授）、Medical Image analysis主編（耶魯大學James Duncan教授）、IEEE TBME主編（芝加哥大學潘曉川教授）也會在大會的多個環節中發言。
論壇首日，不少嘉賓分享的研究成果，既展示了深度學習的算法創新，也呈現了傳統數學和機器學習方法在醫學圖像識別、分割、質量增強、成像等領域的全面應用。
論壇第一天，組委會共設置了影像組學與人工智能、功能成像及神經影像、圖像重建進展論壇、數據模型與算法、數字醫療與智能診療、醫學圖像分析與深度學習、腦機接口與人機混合智能、期刊主編點評論文報告會、理工醫產學研跨學科交流會、BME她論壇（中國生物醫學工程學會女性科技工作者協會主辦）10大專題論壇，共包含81個專題報告和多個交流環節。
其中，「期刊主編點評論文報告會」與「理工醫產學研跨學科交流會」頗受關注。
在「期刊主編點評論文報告會」上，MRI主編（美國工程院院士John Gore教授）、IEEE TBME主編（芝加哥大學潘曉川教授）作為評委，就眾多優質論文的現場報告進行專業點評。
美國工程院院士John Gore
“中國學生的學習能力和主觀能動性非常強，今天非常開心能夠指導這群潛力無限的學生。高校也應多多創造像ISICDM這樣的機會，給予他們多方位的引導。”John Gore院士在接受雷鋒網采訪時談到。
隨后，ISICDM組委會向雷鋒網表示：我們一方面鼓勵投稿的學生們多嘗試用深度學習解決各種各樣的問題，同時也應重視深度學習背后的基礎理論研究和傳統數據建模方法。雖然DL火熱，但它在醫學場景中的不足和瓶頸也愈發明顯，而傳統應用數學的方法仍是當前值得重點研究的方向。
“過去的一段時間里，深度學習成為了絕對主流的研究方法。隨著深度學習的魯棒性不足、缺乏可解釋性、對大量高質量訓練數據和手工標注的依賴等弊端被越來越為人所詬病，基于知識的數學建模方法因其天然的透明性和可解釋性而被不斷改進與提升，后勁十足，仍然具有廣闊的發展空間。事實上，在深度學習占據主流地位的今天，仍然有不少學者專注于基于知識的數學建模，通過把領域知識融入算法來提高算法性能。當前百家爭鳴、百花齊放的學術環境，無疑為年輕人提供了更多的選擇。”
“其實我們在上個世紀研究人工智能時，受限于各種條件，舉步維艱。而當今這個時代，無論是新老方法的可選擇性、算力成本、亦或是數據量，均為年輕學者們創造了無數低成本試錯的機會，允許他們通過大量實踐，對傳統和新潮的方法進行取長補短、取精去糟，引領下一波潮流。”
為了貫徹“促進理工醫交叉融合，激發產學研協同創新”這一理念，ISICDM發起人李純明教授與復旦大學信息科學與工程學院黨委副書記郭翌博士等人，共同策劃了「理工醫產學研跨學科交流會」，為聽眾帶來了一場理工醫交叉視聽盛宴。
理工科專家和醫生專家們的探討內容和現場演示的軟件，讓與會者更直接地感受到了新老方法融合對醫學問題的解決能力。
從左到右：孟翔飛、葉香華、陸菁菁、周世崇、黃昆、劉再毅、楊健、呂樂、覃文軍、應時輝、高良才、王洪凱、郭翌
醫生專家：北京協和醫院放射科主任醫師陸菁菁、浙江大學醫學院附屬第一醫院腫瘤放射治療科副主任醫師葉香華、復旦大學附屬腫瘤醫院超聲醫學科副主任周世崇、解放軍總醫院肝膽外科主治醫師孟翔飛。
理工科專家：上海大學教授應時輝、東北大學副教授覃文軍、大連理工大學副教授王洪凱、北京大學副教授高良才。
評審組：廣東省人民醫院放射科副主任劉再毅、印第安納大學醫學院副院長黃昆、平安科技美國東部研究院院長呂樂、西安交通大學第一附屬醫院醫學影像科主任楊健。
交流會首先由四位醫生陸續提出自己遇到的影像分割、重建、配準等圖像處理需求，隨后由理工科專家根據醫生們遇到的眾多問題，現場講述解決方法，并演示相關軟件。
隨后，8位醫生與理工科專家上臺就座，由復旦大學信息科學與工程學院黨委副書記郭翌博士作為主持，進行現場提問，評審團進行點評和補充回答。
首先，北京協和醫院放射科主任醫師陸菁菁教授帶著“疾病形態的快捷可視化表達、不同模態三維圖像的融合和展示“兩大需求登臺發言，陸菁菁教授指出，醫生探索AI有兩大目的，或是服務臨床、服務患者，或是服務科研，她們團隊的目的更多是前者。為此，協和放射科也曾與北京大學高良才教授團隊合作，嘗試使用深度學習進行盆腔結構語義分割，效果可觀。
浙江大學醫學院附屬第一醫院腫瘤放射治療科副主任醫師葉香華，在隨后詳細解讀了智能放療的全流程，葉香華表示，患者智能識別、圖像自動分割配準、靶區自動勾畫、智能計劃設計、自適應放療、自動配準靶區跟蹤、大數據回訪中的每個環節，其實都需要AI的賦能。在賦能的路上，她也談及了團隊的技術需求，即基于特征的圖像配準方法：
CT、MRI、PET多模態圖像如何實現精準融合（時間、空間）
器官的動度（肝臟、肺結節等）
術前術后的周圍組織形變（乳腺癌、膠質瘤后瘤術）
隨后，復旦大學附屬腫瘤醫院超聲醫學科副主任醫師周世祟，指出了超聲人工智能的機遇與挑戰。
他以某個實際乳腺癌保乳手術案例出發，講述了困擾自己良久的問題：同一個病灶，不同模態的影像（US1、US2、MRI、MLO）的計算結果均卻在著較大的差異，在此情況下，哪種模式的影像更為可信？為什么會有差異？真正的腫瘤在哪里？
帶著這些困擾，周世崇也一度與多個理工科團隊跨學科合作進行圖像分割，但在合作過程中，圖像處理結果對比原始DICDOM圖像，其PBAC模型分割、自動識別分割效果往往并不精確。于是，他隨之提出了第二大疑問：病灶邊界如何界定？邊緣成分是什么？AI提取特征的組織、病理、分子基礎是什么？
最后，他根據自己所遇到的問題，總結出產學兩界應該重點解決的5個關鍵點：
圖像特征突破儀器條件的限制
深度學習以及神經網絡的生物學、腫瘤學驗證
全面的展現整個區域
影像信息與生物信息的融合
實現分子層面的可視化
解放軍總醫院肝膽外科主治醫師孟翔飛也非常認可周世祟談到的現場，他補充到，以外科醫生為例，該群體對影像的應用分為兩個方面：影像診斷——病變在哪里，是什么？；手術設計——手術怎么做。
孟教授指出，計算機3D成像于肝膽外科醫生而言，通常扮演著這五種角色：精準肝臟外科術前評估的重要工具、個體化精準評估解剖、預知重要解剖結構形態與手術的關系、精準測量肝臟體積、虛擬手術評價預覽手術方式。
他認為，傳統后處理成像技術存在三大不足：明顯受制于影像技術本身的特點、難以同時顯示多個感興趣的結構、操作者與使用者的分離。
與此同時，計算機技術在外科手術中的應用，也存在幾項常見的現實問題：
計算機自動分割能力偏低：軟件計算機和分割能力、影像質量、病變影響
計算機自動分割的結果必須經過人工審核校正
3D重建模型與術中實際應對困難
在大量復雜問題從一個個從醫生口中涌出時，理工科專家分別就醫生們提出的部分問題，提供了相應的解決方法和軟件實現效果，引得現場連連陳贊。
首先，上海大學應時輝教授講述了基于數學的腦影像的配準算法和圖像標準化方法，此外，他也發現深度學習在解決該問題中表現出色。
而東北大學覃文軍教授，則在現場炫酷地演示了他們團隊所開發的集成化高復醫學信息計算應用支持與服務平臺（Deeplnsight），對胸部圖像中的肺、血管進行分割和重建，以及對動靜脈的分割和肺結節檢測，軟件操作便捷，交互簡易。演示結束后，覃文軍也談到了自己的一個觀點：其實做軟件產品并不一定要追求非常前沿且復雜的算法，一個問題如果能用最簡單的方法解決，就別把它復雜化。復雜的算法雖然發論文更容易中，但把技術給產品化，更多因考慮工程原理，而非算法原理。
隨后，大連理工大學王洪凱所帶來的Anatomy Sketch交互式可擴展編程醫學圖像分析軟件，同樣工程范兒十足。該產品是一款用于醫生和科研人員合作的平臺：科研人員為醫生開發的核心算法，可集成到本軟件，同時也能進行標記訓練數據，而醫生方可通過此軟件手動修正算法的錯誤，算法則會實時進行學習醫生的修改行為。據王洪凱介紹，Anatomy Sketch的成熟度已達到七八十分，未來將會對外開源，供更多人使用。
北京大學高良才教授展示了一款非常輕的肢端黑色素瘤的智能識別App應用，拍照即可進行輔助診斷。此外，他們團隊開發的產品還有基于心臟管狀動脈超聲圖像的川崎病輔助診斷，以及盆腔結構識別與肌肉邊界定位軟件。
除此之外，臺下也有多個高校團隊在現場為觀眾演示了他們的醫學圖像處理軟件。
最后八位專家一同上臺對眾多問題展開了激烈的討論，評審團也對討論的議程進行非常專業的點評。
此后兩日為ISICDM大會主論壇，更多內容歡迎繼續關注雷鋒網 & AI掘金志的報道。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
