深睿醫(yī)療首席科學家俞益洲入選2019 IEEE Fellow、2018ACM杰出科學家

2018年11月伴隨著深睿醫(yī)療有六款新產品正式發(fā)布，一家成立僅一年半的初創(chuàng)公司，深睿醫(yī)療的研發(fā)實力受到業(yè)內廣泛關注。深睿醫(yī)療聯(lián)合創(chuàng)始人、首席科學家俞益洲教授帶領的高質素核心算法團隊（深睿研究院）是這輝煌成績背后的支撐。業(yè)精于勤，這只隊伍在核心人物俞益洲教授的帶領下，全線核心產品的算法研究與開發(fā)工作迅速推進，產品投入臨床后，獲得一致好評。研究院團隊成員大多來自北大、清華、中科院，香港大學等全球一流院校。在他的督建下，深睿研究院不斷完善壯大，碩博陣容在同行業(yè)中可謂首屈一指，是深睿核心技術力量的重要保障。

今年11月，俞教授當選為2018 ACM杰出科學家，以及2019年度 IEEE Fellow。剛剛獲得兩項殊榮的俞教授，依舊埋在研究院，潛心研思產品。獲得這樣的榮譽對于俞教授而言絕非偶然，作為人工智能深度學習、計算機視覺與圖形處理方向的權威專家迄今撰寫了超過130篇學術論文，其中在頂級行業(yè)學術盛會發(fā)表近70篇。

ACM是國際上歷史最悠久、規(guī)模最大、最權威的計算機專業(yè)學會，著名的圖靈獎即由該組織評定頒布。ACM杰出科學家必須是對計算機領域做出重大成就和影響的研究人員。全球只有49名在計算機工程、教育和科學等方面做出杰出貢獻的研究人員入選。俞教授憑借其在人工智能深度學習、計算機視覺與圖形處理方向的杰出科研成果成果入選。

IEEE全稱是Institute of Electrical and Electronics Engineers（國際電氣與電子工程師協(xié)會），它是一個國際性的電子技術與信息科學工程師的協(xié)會，IEEE是當今世界電子、電氣、計算機、通信、自動化工程技術研究領域最著名、規(guī)模最大的非營利性跨國學術組織。 IEEE Fellow即IEEE會士/院士，是該組織授予的最高榮譽，在學術科技界被認定為權威的榮譽和重要的職業(yè)成就，每年由同行專家在做出突出貢獻的會員中評選出，當選人數(shù)不超過IEEE會員總人數(shù)的0.1%。

俞益洲 教授

深睿醫(yī)療聯(lián)合創(chuàng)始人 首席科學家

對于科研的態(tài)度，除了嚴謹，俞教授秉持著不斷創(chuàng)新的精神。在計算機視覺方面，俞益洲在基于深度學習的顯著物體檢測方面提出了創(chuàng)新性的深度神經(jīng)網(wǎng)絡架構，取得了國際領先的精確度，連續(xù)三年（2015-2017）在頂級會議CVPR上發(fā)表具有影響力的論文，得到了國內外同行的廣泛關注。此外，他在大規(guī)模圖像識別方面研發(fā)出了層次卷積神經(jīng)網(wǎng)絡的架構，在圖像的細粒度辨識方面提出了可選擇的聯(lián)合微調技術。

俞教授成功地把深度學習和計算機視覺技術應用于生物信息學和醫(yī)學圖像分析，提出了非常有效的蛋白質二級和高級結構預測算法。他還巧妙地把統(tǒng)計學習和水平集方法相結合，提出了領先的交互式圖像分割算法。這個分割算法被進一步拓展，并成功應用于二維和三維醫(yī)學圖像的分割。

同時俞教授注重研發(fā)具有實用價值的創(chuàng)新技術。他曾經(jīng)作為主要成員研發(fā)的部分計算機視覺和圖形處理技術已被廣泛應用于美國電影的特效制作（如《黑客帝國》、《碟中諜2》、《加勒比海盜3：世界的盡頭》、《哈利波特與混血王子》等）。深睿醫(yī)療的產品一直處于行業(yè)領先的地位，正是因為有以俞教授為首的這樣一群技術中堅力量，一直在其領域的不斷鉆研。

對于俞益洲教授而言，成立深睿研究院的初衷就是為了可以集中企業(yè)最核心的技術力量，探索前瞻性的技術，為醫(yī)療AI提供領先的技術，為醫(yī)療機構提供優(yōu)質的臨床痛點的解決方案，同時培養(yǎng)優(yōu)秀的醫(yī)療AI科技人才。目前深睿醫(yī)療已經(jīng)和10多家國內外頂級學術機構建立長期學術科研合作，20多家頂級三甲醫(yī)院建立長期臨床科研合作。以肺癌、乳腺癌早期篩查為代表的多個臨床產品，在近200家醫(yī)院進行落地應用。落地應用過程中吸取來自臨床的聲音，不斷打磨產品，使其實用性，用戶體驗等各個方向都優(yōu)于同類型的產品。對科研的嚴謹態(tài)度、對產品的精益求精成為深睿醫(yī)療產品最標致性的特質。

俞教授認為，醫(yī)療AI和其它領域的AI具有共性，比如很多計算機視覺的最新進展可以拓展到醫(yī)學影像并取得較好的效果。但醫(yī)療AI也有其獨有的挑戰(zhàn)，如訓練數(shù)據(jù)少，數(shù)據(jù)分布高度不均勻，數(shù)據(jù)標注的一致性較差，數(shù)據(jù)類型豐富（多模態(tài)影像，文本+影像）等。這些挑戰(zhàn)決定了我們不能只是把已有的比較通用的AI技術應用到醫(yī)療領域，而且需要為醫(yī)療領域“量身定制”新的AI技術和算法，只有這樣才能真正解決某些醫(yī)療領域的痛點。比如我們需要研制在小樣本上訓練但泛化性強，對數(shù)據(jù)分布不敏感，對標注一致性容忍度高的AI模型；我們還需要研制能對多模態(tài)、多類型數(shù)據(jù)進行有效融合的AI技術。所以醫(yī)療AI任重道遠，我們研究人員既要有克服困難的決心，也要有進行長期技術積累的耐心，相信屬于醫(yī)療AI的美好時光終將到來。