周少华 Kevin：医学影像分析顶会 MICCAI 2018，我的三个预测都实现了吗？

AI 科技评论按：本文首发于美篇（https://www.meipian.cn/1lec7hpu），作者周少华， AI 科技评论获本人授权转载，特此表示感谢。

周少华 Kevin，是中国科学技术大学学士、美国马里兰大学博士, 专业为电子工程。他曾在西门子负责研发与医学图像相关的创新产品，现任中科院计算所研究员。他撰写编辑了五本学术专著，发表了 180+ 篇学术期刊及会议论文和著作章节，拥有 80+ 项批准专利，并多次获奖，包括发明奥斯卡奖、西门子年度发明家、爱迪生专利奖、马里兰大学 ECE 杰出校友奖。同时，他还是 IEEE TMI 和 Medical Image Analysis 期刊副主编、CVPR 和 MICCAI 的领域主席、《视觉求索》联席主编以及美国医学与生物工程院 Fellow。

MICCAI 是医学影像分析 (Medical Image Analysis) 研究领域的顶尖年会。今年，MICCAI 2018 于 9 月 16 日至 20 日在西班牙的格拉纳达 Granada 举行。

九月中的西班牙，已经是秋季，可西班牙人的热情却还似夏日一样久久不曾褪去。一年一度的 MICCAI 盛会就在这样的热情中于西班牙的格拉纳达 Granada 举行了。

【一、格拉纳达】

格拉纳达 Granada 地处西班牙中偏东南部，坐落在 Sierra Nevada 山脚，四条河 (the Darro, the Genil, the Monachil and the Beiro）的汇聚之处。海拔平均 738 m，离地中海一小时车程。她是个中等城市，人口超 20 万；也是个大学城，每年有八万多学生在格拉纳达大学求学。因此，整个城市显得年轻，充满活力，洋溢着朝气。

格拉纳达是西班牙最受欢迎的旅游景点之一。她历史悠久，曾是西班牙的历史长河中一个奠基石。当年，哥伦布在此附近被任命去探索新大陆，开启了当代的美洲历史。她文化荟萃，伊斯兰、犹太、基督三种文化共存。著名的 Alhambra 宫殿就是一座阿拉伯城堡。

【二、大势所趋】

前两天，读到一篇文章说，世上聪明人分三等，三等聪明靠做事，二等聪明靠观人，一等聪明靠夺势。这里我斗胆记载如下趋势，希望与大家一起「耍聪明共夺势」。

1. MICCAI 热度升高

本次大会与前几年相比，全面升级。投稿、接收文章、与会人数、workshop 数量、turotial 数量、赞助商个数等方方面面都创新高。

因为文章数增加但会议天数没有变化，今年会议也首次引进部分双轨制，与单轨制结合。

究其原因，主要受益于大环境。人工智能在这两年经历了野性生长期，虽然最近热度略有回热，但市场增量是确定的，而这种增长性会沿着惯性延续下去。

2. 与相关领域紧密结合

MICCAI 正在与别的领域加强合作。最近，MICCAI 与 American College of Radiology（ACR）签署了合作备忘录，来保证 AI 算法可以满足临床需求。ACR 主席 Geraldine McGinty 也给了主旨演讲。与 MICCAI 主席 Wiro 私下交流中得知，MlCCAI 与其他类似 ACR 的 societies 也正在接洽中。

MICCAI 与计算机视觉本身就是一家。十多年前，我个人的文章只发 CVPR、lCCV、ECCV 等会议。可是形势逐步演化，MICCAI 成为我的首选，为的是与更多的同行有交流，影像分析与视觉似乎越走越远。可最近情况有所逆转，特别是算法方面，很多基于深度学习的算法很快就会在两边普及。本次会议也邀请了 Professor Kristen Grauman 作为主讲嘉宾。

3. 深度学习红透半边天

深度学习技术渗透到每一个角落。Reconstruction，enhancement，segmentation，registration, synthesis 等技术方向纷纷转向深度学习。另外，随着学习框架的开源与普及，使用深度学习成为了必然的首选。

现在的研究更在于如何将深度学习结合自己问题的领域知识，才能达到原创性。这也是我这么多年来一直在实践的"机器学习+知识模型"思路。

【三、花样年华】

3.1 主旨演讲 Keynote Speech

Geraldine McGinty MD, MBA, FACR

Chair of the ACR‘s Board of Chancellors & Chief Strategy and Contracting Officer, Weill Cornell Medicine Physician Organization

全面总结了 radiology 的前世今生、现状未来、困境机会、希冀展望，very informative！也给大家指明了努力方向。

这张 Slide 充分说明了 radiology 的复杂度。根据经典的 gamuts.net, 一共有 4600 unique imaging findings，13000 unique conditions that cause findings, 57000 linkages between findings and conditions。

Professor Paolo Dario

Director of the BioRobotics Institute at Scuola Superiore Sant』Anna, Pisa, Italy

他描述了手术机器人的奇遇记 fanastic voyage: 从三十多年前的科幻到如今的现实。从毛毛虫的爬行中得到启示，他和团队发明了可爬行的 Capsule endoscopy，而爬行的动力来自于外部的核磁场！

Professor Kristen Grauman

Facebook AI Research & Professor in the Department of Computer Science at the University of Texas at Austin

Professor Bradley Nelson 

Professor in Robotics and Intelligent Systems at ETH Zürich

全面介绍了 Micro and nano size robots。搭建微型 robot, 难点在于如何给它提供动力，让它运动，突破物理规律。当然 fibrication 难度系数也大大提高。

3.2 MICCAI2018 华人学者聚餐会

**联影智能、汇医慧影、视见医疗、图玛深维、比格威医疗、柏视医疗、深透医疗、体素科技、讯飞医疗、视源股份** 联合冠名

9 月 18 日周二晩上 7 点半

La Restauracion del Hotel Alhambra Palace

曾国栋 姚林林 周少华 马锴 陈子仪 严文君 乔梦云 窦琪 闫平昆 吴烨 付华柱 朱卓暾 赵瑜 史勇红 章琛曦 杜浩 张帆 吴丝桐 赵灿 薛武峰 吴健 杨欣 陈章 孔斌 刘立 陈延位 陈强 闫增强 张天翊 王淑君 倪东 蒋官忆 吴国庆 刘思奇 容毅标 刘满华 吴轶成 杨鑫 俞凯 王醒策 李硕 张拓 冯驰宇 李玉洁 陈翰博 程骏 韩忠义 袁奕萱 魏本征 陈城 项磊 赵一天 曹一挥 邵伟 印胤 庞树茂 夏勇 夏炯 纪则轩 刘明霞 张建鹏 谢雨彤 郑亚林 孙蓬 吕乐 刘江 许言午 李刚 王利 张贺晔 朱文涛 赵天依 李钦策 张燕平 王沛 刘香园 陈军 张道强 程健 李小萌 张文 范永辉 廖昊夫 任旭华 王娜 张冬青 寿昊畅 徐晨初 王玉平 谷林 李霄霄 王伽宁 吴俊 蔡卫东 孙鑫伟 张益硕 林兰芬 梁栋 霍元恺 汪琳薇 谢龙 唐晖 钱真 史颖欢 罗捷 施鹏程 吴奕凡 沈理 闵哲 聂栋 赵涛 郑国焱 吴博烔 顾运 郑冶枫 王纯亮 陈晨 陶倩 李全政 杨光 刘力豪 王国泰 叶谋添 贺太纲 冯雪 王承嘉 莫元汉 夏沪川 陈志祥 刘亚淑 谷艳阳 郑昊 

*联影智能 -- 曹晓欢 

*汇医慧影 -- 孟博文、左盼莉、钟淑玲、史瑞琼、王成

*视见科技 -- 陈浩、林黄靖、Karen、Stratios

*图玛深维 -- 高大山、陈韵强

*比格威医疗 -- 陈新建

*柏视医疗 -- 沈烁

*深透医疗 -- 张涛

*体素科技 -- 梁建明

*讯飞医疗 -- 殷保才

*视源股份 -- 杨铭

特别感谢志愿组织者曾国栋和姚林林，他们做了大量的极其琐碎工作：找餐馆、人员登记、Check-in、拍照等。

众学者拾级而上

五星级皇宫旅馆正门

到达饭店正值夕阳红

酒会之后下山"夜巡"

3.3 Tutorial：Deep Reinforcement Learning for Medical Imaging

从 2004 年博士毕业开始工作起，我就坚定不移地从事利用机器学习算法并结合知识模型来分析医疗影像。同时，也组织了一系列 Tutorial 来宣传 Machine Learning for Medical Imaging 的基本知识。

-- 2009, Discriminative Learning for Medical Imaging, London, United Kingdom. (Jointly with Profs. Zhuowen Tu and Adrian Barbu)

-- 2014, Generative and Discriminative Learning for Medical Imaging, Boston, Massachusetts. (Jointly with Prof. Adrian Barbu)

-- 2015, Deep Learning for Medical Imaging, Munich, Germany. (Jointly with Prof. Dinggang Shen, Prof. Heung-il Suk and Prof. Hien van Nguyen)

-- 2018, Deep Reinforcement Learning for Medical Imaging, Granada, Spain. (Jointly with Prof. Hien van Nguyen, Dr. Khoa Luu, Dr. Animesh Garg, and Dr. Hoang Ngan Le)

今年，我们聚焦深度增强学习（DRL）。第一部分，从 Reinforcement Learning 的最基本概念开始，讲到 Deep Learning，然后介绍 Deep Reinforcement Learning。第二部分涉及了 DRL 在医疗影像中的几个具体例子。我也讲述了如何应用 DRL 来解决参数化检测和配准问题，并详细讨论了三篇相关文章。

个人感觉，DRL 在未来是大有可为的研究方向。究其原因，主要有二:

1. CNN 及 adversarial learning 目前大行其道，缺少创新感; DRL 则是稀缺资源。为了准备本次 turorial, 我们也颇费了一番周折才找到了合适的工作。

2. DRL 本身是个非常 powerful 的 framework，几乎可以用来解决任何问题，但是漂亮框架后面还有不少技术难点，任何 little step 可以 make good impact。

举个例子，Supervised Action Classifier: Approaching Landmark Detection as Image Partitioning 是我们去年在 MICCAI 发表的工作。常规的 landmark 表达包括点坐标、heatmap 图等。我们提出一种新的表达方式 action map，用于表示 landmark。其中的玄机就是引进了 DRL 的思路。a) landmark 检测转化成 path 查找，从图中任何一点，如何通过上下左右前后各方移动达到标志点; b) 直接学习 Q 函数比较复杂，最佳 policy 不够直觉化，所以我们干脆指定最佳 policy 来"反向学习"。这其实非常接近 lnverse RL 的思路。实验结果表明此表达方式效果明显。

欢迎大家一起合作来玩 DRL。

满堂的听众，目测超过 100 人。

3.4 Gala dinner

3.5 MedIA Editorial Board Lunch

85%: overall rejection rate

10: # of chinese universities are within top 20 institutes downloading MedIA articles

13: # of accepted articles from China in 2017 (It was 9 in 2016)

64: # of submitted articles from China in 2017 (so the rejection rate for China is 80%, which is lower the overall rate)

5.356: 2-year impact factor (tmi is 6.131)

MedIA ranks the 8th in all publications matching computer vision and pattern recognition per Google Scholar.

【四、中国力量】

本次参会的华人同比去年大幅增加，来自大陆的学者达 130 多人，还有在海外的华人学者估计也有一百多人。另一个例证就是聚餐会今年人数达 150 人，而去年有 100 多人。

华人公司参展也有不少，包括 CVTE、汇医慧影等。赞助聚餐会的公司更达 10 个。

更可喜的是文章质量也同步提升，获奖连连，包括 Young Scientist Award。

【五、拙作介绍】

介绍一下自己的 MICCAI2018 工作。今年一共投了 5 篇，3 篇首轮被录，1 篇次轮被录，1 篇杯具。其实，次轮被录的那篇其实 reviewer 评论很好，但因一个小失误被抓住把柄，其中某张图一不小心重复了一次（ctrl+V 多了一次）而超过指定页数。

S. Liu, D. Xu, S. Kevin Zhou, O. Pauly, S. Grbic,T. Mertelmeier, J. Wicklein, A. Jerebko, W. Cai, and D. Comaniciu. 3D Anisotropic Hybrid Network: Transferring Convolutional Features from 2D Images to 3D Anisotropic Volumes.

三维图像往往各方向的精度差异很大，在这种情况下如何有效地学习深度网络是个难题。本文试图利用迁移学习，把二维特征有效地转到三维。

Z. Xu, Y. Huo, J. Park, B. Landman, A. Milkowski, S. Grbic, and S. Kevin Zhou. Less is More: Simultaneous View Classification and Landmark Detection for Abdominal Ultrasound Images. 

本文训练一个网络做二件事: 识别超声图的类别以及检测相关特征点，做到一石二鸟，以少胜多。

H.Liao, Y. Tang,G.Funka-Lea, J. Luo, and S. Kevin Zhou. More Knowledge is Better: Cross-Modality Volume Completion and 3D+2D Segmentation for Intracardiac Echocardiography Contouring.

心脏消融手术可用无辐射的 Intracardiac Echocardiography(ICE) 来导航，从而要在 ICE 中找到心房、心室、肺静肺等器官的轮廓线。本文提出一种方法，融合多方面知识 (探头几何位置、来自 CT 的图像信息) 来达到满意的效果。

H. Liao, Z. Huo, W. Sehnert, S. Kevin Zhou, and J. Luo: Adversarial Sparse-View CBCT Artifact Reduction. (Oral)

如何以 1/3 的采样却达成全采样的效果，本文介绍了利用对抗学习来降低重建图的瑕疵，特别是难缠的 streak artifacts.

杯具的这篇也顺便广告一下。

S. Guendel, S. Grbic, B. Georgescu, S. Kevin Zhou, L. Ritschl, A. Meier, and D. Comaniciu: Learning to recognize Abnormalities in Chest X-Rays with Location-Aware Dense Networks. arXiv:1803.04565.

本文记载了当时的在 Xray 疾病检测的最好结果。创新点在于充分利用大数据还有病灶的位置信息。

【六、明年预测】

先回顾一下我去年的预测，看看是不是准确。

去年预测一 >> DL 已经大肆＂入侵＂MICCAI。据不完全统计，约一半文章与 DL 相关。遗憾的是，真正突出的文章不多，CVPR 也是这样。预测明年 DL 相关文章占比会更多。

实际情况：正是如此，据不完全统计，今年约八九成文章与 DL 相关。

去年预测二 >> 随着人工智能大热，今年 CVPR 在各个方面达到了顶峰。MICCAI 则不然，文章数基本持平，参会人数达到新高。原因可能是 Miccai 的文章更偏向 research 场景，侧重 clinical 应用的不算太多；而 CVPR 的文章很多是关于实际应用的。预测明年 MICCAI 文章会有更多侧重 clinical 应用，文章数和参会人数达新高。

实际情况：正是如此。投稿逾 1000（超过去年 33%），接受 373 篇。参加主会人数近 1400 人，其他 Satellite Events 逾 1600 人，两者都创新高。

去年预测三 >> MICCAI 华人力量日益强大。预测华人与会人数会更多。

实际情况：正是如此。前面也有阐述。

今年的预测如下：

1) 以上三个预测会继续成立，特别是预测三，因为明年在深圳举行。

2) 赞助的公司数会更多，因为我和廖洪恩老师负责拉赞助。赞助商们，请踊跃朝我们拍砖，向我们开炮。

【七、花絮合影】

# 崔松野的福利 #

去年 MICCAI，崔松野作为魁北克当地学生参与组织了大获成功的聚餐会，也因此在聚餐会名单上排名第一。据说，他得到了不少公司（包括腾讯）猎头的青睐。顺便，也帮本次的志愿者曾国栋和姚林林广告一下。

#「机」缘巧「合」#

沈定刚教授在浦东机场上飞机，发现同航班 CA389 至少有 20 多人一起去参加 MICCAI, 遂提议大家下飞机时一起合影。这可谓是「机」缘巧「合」！

# 贴心之群 #

出门在外，总有一些意料之外的事情发生。这不，徐群友在群里一声询问：「还没出发的同学老师 方便带点感冒药吗？」马上不少人回答，「我有白加黑」「我有必理痛 16 日带到」「我有藿香正气胶囊 治感冒很管用」。

过一会，陈群友分享攻略：「granada 机场很小，没有 uber，只有少量的 taxi. 门口可以做去市区的 bus，3 欧一人。做到最后一站就到了 miccai 会场。然后可以去附近的酒店。」其他群友：「granada 出租也不贵的」「taxi 27euro」

最贴心的莫过于来自号称南方哈佛－土伦大学的王玉平教授。他先是给大家推荐 Google Translate App，然后无私分享了格拉纳达超全攻略（link 如下），信息充足详实，实乃收藏备用之佳作。

# 西班牙小费 #

小费一定要用现金。

午餐或白天用餐：考虑一人一欧元左右。

晚餐：一般不用给小费。若你觉得服务超好，可以给 5-10% 的小费。

# 西班牙电压 #

电压：220 伏。

插座：欧洲通用的三相圆孔电源插座，中国的两脚圆形插头不需要转换器

# 名额紧张 #

聚餐会报名信息在群里一公开，报名者如脱缰野马般蜂拥而至，人潮人涌，甚至出现了「践踏」现象。报名单序号狂涨，漏号错号不时发生。群员也是颇有微词，对这种「乱象」提出了「抗议」。这主要是作为组织者的我，事前没有想到，因为去年的聚餐会报名过程还相对 smooth。当然，这与 NIPS 十分钟名额截止还是有不少差距的，争取以后尽力缩小差距，把报名过程进一步完善。

# 赞助商与 gala dinner #

本次会议参加 gaIa 约 1500 人，120 多桌，满满一帐篷。难怪有人发朋友圈说，像是来参加一场婚礼。

觥筹交错中，我初步算了一笔帐，发现基本上赞助经费是不够 gala dinner 开支 (场地费、餐前酒会、正式用餐、餐后表演、包车接送等)，但可以很大程序上补足子弹以保证质量。因此，赞助的多少与 gala dinner 的质量息息相关，而"gala dinner 的质量似乎是人们记忆中的会议质量最决定因素"(Quote from 倪东，明年 MICCAI 的东道主)，毕竟民以食为天。我个人还记得去年我马里兰导师组织的夏威夷 CVPR，gala dinner 就在海滩公园举行。乘着海风欣赏星辰大海，就着中餐美酒大快朵颐，别提有多美了！

写到这里，我作为明年的 sponsorship chair, 顿觉亚历山大。赞助商们，赶快拿出支票本努力来砸我们，砸到我们抬不起头来，挺不一直腰，伸不开四肢为止。实在不行，我就只能"卖身投靠"，希望这把老骨头还值得钱。

# 西班牙效率 #

第一天，会务组 Onsite registration 大排长龙，很多人为了参加 workshop 不得排两个多小时。这个效率不说也罢。

# 西班牙美食 #

会议全程提供午餐，大家普遍反应很好，美味可口，但肉食居多，素食主义者会有点困难。期间碰到本次大会主席 Alex Frangi, 反映了这个情况，他说: "This is the hardest part to screw up in Spain."

# 「一吻」千金 #

Nicholas Ayache 颁发 Elsevier Medical Image Analysis MICCAI2017 Special Issue 最佳文章，Lena 上台领奖并获一千刀奖励。两人礼节性地致贴面礼，于是 Nicholas 戏称「一吻」值千金。

格拉纳达超全攻略（附阿尔罕布拉宫详尽介绍）【http://t.cn/R8XOk8j】

三人组: 李硕.UWO、施鹏程. 罗彻斯特理工、郑国焱. 伯尔尼大学

最佳点评:

沈定刚. 联影智能> 合肥 × 1.5

吴健. 浙大> 连重三圆

闫平昆.RPI> 朝鲜最高统帅金 xx

与图玛深维 CTO 高大山和首席科学家陈韵强合影

与柏视医疗 CEO 沈烁在视见科技 booth 合影

视见科技陈浩与 Unet 发明者 olaf

老男孩组合: 施鹏程. 罗彻斯特理工、王玉平. 土伦、我、沈理. 宾大、夏炯.methodist houston

【八、感谢致辞】

感谢赞助商支持聚餐，感谢志愿者辛苦付出，感谢同仁好友们带给我的美好时光，感谢朋友圈提供照片。

MICCAI2018 在格拉纳达落幕了。明年深圳见！

【九、花甲母校】

会议期间，正值母校中国科学技术大学六十周岁，在此也送去一份来自西班牙的祝福！

【十、广而告之】

本人最近开始了新的生活篇章。希望可以与诸位老师同学们、公司同仁们多多合作，合作方法可以多种多样: 科研合作、共同指导、交换交流、实习加盟、成果转化等，有意者请私聊 (微信号: xietangren)。

去年，雷锋网也转载了周少华博士的文章：《周少华 Kevin：医学影像分析顶会 MICCAI 17 有哪些惊喜？》，大家可移步社区（http://www.gair.link/page/blogDetail/3940）阅读此文。