0
2019年8月24-26日，第三屆圖像計算與數字醫學國際研討會（ISICDM 2019），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。
雷鋒網第三次作為大會首席合作媒體，全程參與ISICDM的報道。
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。
會議開始前，ISICDM大會發起人、電子科技大學李純明教授向雷鋒網表示，“今天我在現場看到不少比較熟悉的面孔，很多都是往屆的觀眾，前兩年他們從全國各地飛到成都，今年又跟隨ISICDM的腳步來到西安，這讓我非常感動。其實讓觀眾形成參會粘性是一件比較困難的事情，需要組織方在各個環節保證內容的前沿性、新穎度、深刻性和獨特性，同時需為多方創造一個絕佳的條件進行跨學科探討。ISICDM已連續舉辦三屆，在這方面始終沒有讓講者和觀眾失望。我認為這也與我們一直秉承的‘促進理工醫交叉融合，激發產學研協同創新’理念密不可分，無論未來的技術趨勢如何變化，無論研究方法多么多元，‘理工醫交叉融合，產學研協同創新’永遠是這一領域發展的生命線，只要我們圍繞這一根基不斷縱深，它所釋放出來的能量密度是無窮無盡的。”
在前一天進行的81個專題報告頭腦風暴下，8月25日，大會第二天迎來了更多重量級的學術泰斗級人物。當天共進行了9大主題報告，內容包羅萬象，從醫學成像到圖像分析再到臨床應用。不少嘉賓也談到了未來醫療AI的重要研究方向，如機器學習自動化、知識模型、深度學習的正則化等。
會議初始，由西安電子科技大學副校長高新波教授，空軍軍醫大學副校長王生成，ISICDM大會主席之一、加拿大皇家科學院院士Terry Peters教授，美國工程院院士、磁共振成像（MRI）期刊主編John Gore做開幕致辭。
中國科學院院士徐宗本
作為此次大會的名譽主席和開場報告嘉賓，中國科學院院士、西安交通大學教授徐宗本發表了題為《醫學人工智能與大數據》的演講。
徐宗本院士談到，AI從“可以用”到“很好用”，還有很長的路要走。當前的人工智能，更多停留在“人工化“的階段，而在未來要完成從”人工化“到”機器學習自動化”再到“自主化”的演變。
其中，機器學習自動化是徐院士團隊近些年重點探索的方向之一，實現自動化，需讓機器自助完成生成數據、自動選擇數據、自動產生神經網絡結構、自動訓練數據和自動切換任務等環節。
隨后，他指出了當前醫學影像分析的三大技術局限性現狀：
1.經驗+案例仍是基本模式。
2.醫學影像分析主要基于圖像處理方法（基礎計算機視覺方法），然而通用圖像處理技術并不夠有效：無法從源頭可控與圖像分析一體化的角度處理；通常用剛體的圖像處理方法處理柔性對象；用二維處理像素的方法處理點云；用常規信息融合方法處理有明顯醫學意義的多模態（結構、功能、代謝）/多序列問題。
3.疾病輔助診斷主要基于深度學習+大數據，但深度學習也存在諸多問題：用本質需要大樣本的技術來解決小樣本問題，用不穩健、解決困難的方法來解決具有普適性、需解釋的問題。
針對這些問題，徐宗本院士談到了他們團隊正在研究的三大醫學影像AI新技術：誤差建模原理與低劑量CT成像、模型驅動的深度學習與快速MR成像、分布式醫學影像中心系統與技術。
最后，他希望借助這三類新技術，在未來可實現CT劑量因人而異的醫療普惠目標。
加拿大衛生科學院院士Aaron Fenster
第二位演講嘉賓是加拿大衛生科學院院士、西安大略大學教授Aaron Fenster。Aaron Fenster是三維超聲發明人以及超聲手術導航技術的開創者，2013年，被國際醫學物理組織評選為過去50年中世界前50名醫學物理學家之一。
Aaron Fenster在大會中介紹到，為了減少操作員對PBSI的依賴，他們團隊開發一種三維超聲導針跟蹤系統，該系統可提高手術導針可視化度、針位精度，并提供修改治療計劃所需的信息。
這套三維超聲系統可以提供一個便捷和多用途的方法，在術中使用自動分針技術，提升導針實時可視化的效果。未來，他們將重點聚焦導針分割算法、誤差對劑量的影響、MRI到三維超聲的管理。
最后，Aaron Fenster為三維超聲產學兩界提出了個人的建議，希望未來要重視研究不受環境限制、準確評估三維導針軌跡、所有區域導針可視化、以及與所有傳統超聲系統兼容的方法。
加拿大皇家科學院院士Terry Peters
緊接著，加拿大皇家科學院院士、加拿大衛生科學院院士Terry Peters，發表了演講《Augmented Reality and Ultrasound for Image-guided Interventions》。
作為世界著名的神經與心臟微創手術圖像引導科學家，Terry Peters曾多次擔任醫學影像頂會MICCAI大會主席。
Terry Peters指出，在過去20年中，圖像引導手術系統已被廣泛應用在外科當中，而增強現實系統可以把計算機生成的2D或3D圖像疊加在用戶可視的真實世界。
他在演講中強調，介入治療應做到通過小切口進入身體、避免大面積傷口、減少感染、提高治療效果和恢復速度、減少住院時間、增加病人舒適、盡量減少途中的組織損傷等標準。
而在這過程中，則面臨著諸多技術挑戰，如跟蹤、產品審批、器官運動糾正、導航、可視化等問題。
Terry Peters團隊建立了一個系統，將患者的心臟搏動MRI與超聲波融合，并以3D的方式顯示。
相關方案可實現程序運行超聲、跟蹤和AR顯示，滿足護理標準，且不需要x射線或x射線造影劑，可為心臟瓣膜介入治療提供更便宜、便捷的解決方案。
最后，Terry Peters對產學兩界的機遇進行了總結和展望：
1.微創影像引導介入是一個快速發展的領域
2.在進行研究投入之前，一定要評估項目是否有高回報
3.是否需要改變商業模式：傳統的低成本、低技術產品將無法獲得高利潤
4.引入不斷進步的技術：如可視化/成像：頭戴式AR、多光譜MR、超聲、改善人機交互界面
5.深入參與人類因素/心理物理研究：開發出讓人們更易上手的使用新產品。
中國科學技術大學附屬第一醫院副院長劉新峰
上午場的收尾演講是《腦血管狹窄的血流動力學評估》，由中國科學技術大學附屬第一醫院副院長劉新峰發表。
劉新峰談到，現行血運重建模式有著一定的局限性，通俗講便是：該治的沒治、不該治的治了、額外增加了手術風險。
該治的沒治：超過一半的卒中患者，狹窄程度達不到現行的治療標準。
不該治的治了：北曼哈頓卒中研究顯示，7%卒中是由于頸動脈狹窄本身所致。
增加手術風險：現有血管重建的并發癥為5%左右。
隨后，劉新峰談到了腦血管病防治工作的關鍵問題，主要分為以下幾個環節：血管評估病例篩選——解剖學狹窄——功能性狹窄：篩選出高風險病例、減少手術并發癥。
目前腦血管“功能性狹窄”的評估技術為經顱多普勒超聲（TCD）與CT/MR灌注成像，前者的優勢是技術門檻低，易于在基層醫院推廣，缺點是TCD的操作和解釋主觀變異性較大，診斷的可靠性仍不太理想。
后者CT/MR灌注成像的優點，能準確評估腦組織的氧合代謝情況，而缺點一方面是難以定量評估、設定截斷值，另外一方面，也無法定位血管責任病變部位。
于是，劉新峰提出了由TOF-MRA（信號密度比）、QMRA（體積流率）、壓力導絲（血流分數）、CFD（血流分數）組成的腦血管“功能性狹窄”的評估新技術。
并詳細介紹了腦血管壓力導絲評估技術（頸動脈系統）、CFD建模方式、CTA建模計算FFR等方法。以及對新的評估技術進行展望：
1.基于壓力導絲評估腦血管狹窄的局限性
-壓力導絲技術的推廣
-建立壓力導絲技術規范
-確立能夠有效反映腦血管狹窄本質的血流動力學參數及其參考值
2.基于CFD、影像學與人工智能輔助的功能性腦血管狹窄評估技術應用于 CTA/MRA/DSA/OCT，避免有創性。
MICCAI 2019大會主席沈定剛
下午環節，MICCAI 2019大會主席、北卡大學教授沈定剛為聽眾帶來了題為《Learning Brain Functional Networks for Mental Disorder Diagnosis》的演講。
沈教授是學術界最早將深度學習應用于醫學影像領域的科學家之一，從事醫學影像分析、計算機視覺與模式識別等領域的研究20多年，目前擔任聯影智能聯席CEO。
在演講中，沈定剛主要分享了用于精神障礙診斷的大腦功能網絡的方法。
他首先介紹了團隊在幾年前研發的High-Order Functional Connectivity，可實現多層次動態腦網絡的重構和分析，增加對精神障礙診斷的敏感度和分類精度。
隨后，沈定剛教授講述了兩個重要方法：基于卷積神經網絡的靜態和動態網絡學習、動態腦網絡遞歸神經網絡學習。同時，他們團隊也把近些年研究出來的方法做成工具包，用于基于大腦網絡的疾病診斷。該工具包擁有先進的大腦網絡重建、基于腦網絡的疾病分類，軟件簡潔實用。
作為今年MICCAI的大會主席，沈定剛教授在演講最后簡要介紹了即將開幕的深圳MICCAI 2019，今年的論文收錄情況，相比于2018年增加了50%，各方面的數據相較以往均有著不錯的提升。（近期，雷鋒網將發布沈定剛教授與MICCAI創始主席James Duncan教授的專訪文，敬請期待）
香港浸會大學、挪威卑爾根大學教授臺雪成
隨后，香港浸會大學、挪威卑爾根大學教授臺雪成發表了大會報告《Graph Models for High Dimensional Data and Deep Neural》。
在演講中，臺雪成的演講內容從“以應用數學的方法做神經網絡“、”高維數據的分析“兩大方向展開講述。
臺雪成談到了一個非常重要的話題，即如何將空間正則化添加到CNN中？針對這一問題，他提出了兩種方法：一種是在損失函數中添加平滑正則項，其二是使用CRFs和類似的后處理技術。
最終，將空間正則化添加到CNN層后，其并未給計算帶來額外的困難，效果十分顯著。
平安科技美國東部研究院院長呂樂
下午第三位演講嘉賓為平安科技美國東部研究院院長呂樂博士，他的演講題目是《New Progresses in Preventive and Oncology Precision Imaging》。呂樂博士曾任美國國家衛生研究院資深科學家、西門子研究院資深科學家；MICCAI、CVPR領域主席。
作為一名與臨床醫生共同研究項目多年的企業科學家，呂樂博士分享了最近自己團隊的5篇重要論文，涵蓋了急診外科盆骨骨折輔助診斷、兒童X光肺炎識別、食道癌放療CTV分割等應用，論文內容不僅有前沿的理論研究，同時也涉及到了工程落地應用。
以兒童X光肺炎識別為例，我們知道兒童的胸部X光數據往往比較少，而成人的數據量則巨大。因此，呂樂團隊開始思考能否用成人的肺炎X片去訓練一個神經網絡，然后再用這個網絡在兒童肺部數據上去做進一步訓練。
于是，他們團隊進行了三組試驗，如果全部使用已有的少量兒童肺部數據去訓練模型，模型在實際兒童病例中，AUC面積為0.9753，如果只用成人肺部數據模型，AUC為0.9160，而如果先用大量成人的數據做訓練，隨后再用模型在兒童的數據集上做二次訓練，最終表現可達到0.9851，性能提升較為顯著。
而這一背后的方法，則用到了面向任務的無監督對抗網絡（TUNA-NET），該網絡分為四個部分，分別為：
1.合成逼真的 radio-realistic （一種合成的低劑量X圖像）
2.在遷移過程中，保留高維度的類特定語義上下文信息
3.將學習到的真實目標域與合成目標域相似的中層特征進行正則化
4.同時優化目標函數，推廣到未標記域
中科院計算所研究員周少華
隨后，中科院計算所研究員周少華教授發表了題為《Towards Creating a Knowledge’Gap for Deep Learning Based Medical Image Analysis》的演講。周少華博士曾任西門子研究院首席科學家和高級研發總監，IEEE Trans. Medical Imaging and Medical Image Analysis編委會成員，多次MICCAI和CVPR會議的領域主席。目前他是MICCAI協會理事會成員，將出任MICCAI2020會議的程序共同主席。
“如何在深度學習的框架下，把醫學圖像分析做的更好？加入知識模型。”這是周少華在演講開頭提出的觀點。
當前深度學習在醫學領域面臨的挑戰是，該領域對魯棒性要求非常高，對識別要求非常準確且速度快，同時有諸多長尾問題需要解決。
雖然深度學習存在的問題諸多，但也有著不少的機遇，一方面，整個行業的數據量越來越大；另一方面，醫學圖像中蘊藏著豐富的知識如解剖機構、成像原理等。他長期以來一直致力于推進機器學習與知識模型結合的研究前沿。
周少華首先展示了他們團隊在幾年前利用“機器學習+知識模型”做的一項研究：在影像中，把彎曲的肋骨展平的技術，使得醫生閱片速度提升一倍，準確度也有著顯著的提升。
隨后，他重點介紹了深度學習與知識模型結合的原理與應用。
周少華談到，深度學習的定義仁者見仁，相比而言，他更加認同深度神經網絡是“超級記憶體”這一說法。所以如果在深度學習基礎上，再加上知識模型，往往可以達到更好的性能。
為此，周少華團隊做了這幾方面的研究：其一，在輸入端加入知識信息，實現合成輸入。其二，在輸出端加入知識信息，找到輸出變量的有效表達，或在輸出變量里加入先驗知識和多任務學習。第三，在算法中嵌入知識，從而演化出U2-NET（多任務通用U-NET）、Self-inverse Network（自逆網絡）、DuDoNet（dual-domain雙源網絡）等算法。
中國食品藥品檢定研究院任海萍
大會的最后一個演講聚焦于醫療人工智能產品的審批。從去年下半年開始，醫療人工智能相關的政策和審批要點不斷公布，更多的人工智能產品在臨床驗證上不斷取得突破。值此之際，中國食品藥品檢定研究院任海萍主任發表了《醫療人工智能質量評估的趨勢》的演講。
任海萍博士指出，當前醫療人工智能治療評估擬解決的關鍵點有“數據集如何描述（用戶需求）、數據集質量要素如何明確（生產方需求），數據集如何評價（監管方需求）”這三大問題。
隨后她重點談到了AI產品性能檢驗的幾個維度，其中包含了主要風險（漏診、誤診、過擬合等）、性能檢驗（在第三方數據集上進行算法測試 、常見指標：靈敏度、特異性、AUC、F-score、精確度、召回率），性能確認（臨床試驗）。
最后，她對當前的質量評估做出了四點總結：
1.我國人工智能醫療器械標準化工作步入正軌
2.質量評價工作向前瞻性、低成本方向發展
3.AIMDI臨床使用階段的質量評價工作應同步發展
4.人工智能倫理對產品設計的影響值得審視
當天的所有大會報告結束后，會議迎來了令人期待的“后深度學習時代的醫療人工智能”主題圓桌討論。
本次圓桌由中科院計算所研究員周少華教授主持，西安交通大學楊健教授、北卡大學沈定剛教授、紐約州立大學石溪分校教授梁正榮教授、平安科技美東研究院院長呂樂博士、飛圖影像董事長胡利榮、中山大學陸遙教授以及東北大學趙大哲教授等人參與討論。
圓桌詳細內容與大會主論壇第二日報道，歡迎關注“AI掘金志”公眾號后續的推送。
圓桌觀點預告：
沈定剛：所有技術都是為實際問題服務，我們在做研究時，首先要有問題，然后再找方法，而不是抱著一堆方法去找問題。將來深度學習一定不會像當前這么熱，它不過是個工具，是種方法而已。年輕學者們如果把20、30年來沉淀下來的傳統方法用好，往往比深度學習有效得多。如果把深度學習+傳統方法融合好，它所發揮的價值更是無窮的。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
