VALSE Webinar 19-22期 医学影像处理与分析

报告时间：2019年9月4日（星期三）晚上20:00（北京时间）

主题：医学影像处理与分析

报告主持人：夏勇（西北工业大学）

报告嘉宾：周少华（中科院计算所）

报告题目：Towards Creating a ‘Knowledge’ Gap for Deep Learning Based Medical Image Analysis

报告嘉宾：王国泰（电子科技大学）

报告题目：医学图像的智能化交互式分割

Panel议题：

1. 与计算机视觉领域的问题相比，医学影像分析问题通常具有数据量少但复杂度高的特点。如何针对这些特点，开发更适合的医学影像分析算法？

2. 标注医学影像数据高度依赖标注者的专业知识和经验，数据标注的偏差在所难免。如何在算法设计过程中尽量避免数据标注偏差所带来的不利影响？

3. 不同医院、不同扫描仪和不同技师采集的同一模态的数据可能存在一定的质量差异，从而降低算法的推广能力。如何解决数据质量差异的问题？

3. 如何提高医学影像诊断模型的可解释性？除了可视化模型输出层和中间层神经元所关注的视觉特征以外，是否有更好的思路？

4. 基于计算机领域从业者的有限医学知识，如何更好地发现和研究更具有临床意义的问题？

5. 医学影像AI落地的主要挑战是什么？

6. 有什么想对医学影像分析领域的研究生说的话？

Panel嘉宾：

周少华（中科院计算所）、李阳（北京航空航天大学）、倪东（深圳大学）、王国泰（电子科技大学）

*欢迎大家在下方留言提出主题相关问题，主持人和panel嘉宾会从中选择若干热度高的问题加入panel议题！

 

报告嘉宾：周少华（中科院计算所）

报告时间：2019年9月4日（星期三）晚上20:05（北京时间）

报告题目：Towards Creating a ‘Knowledge’ Gap for Deep Learning Based Medical Image Analysis

报告人简介：

Prof. S. Kevin Zhou obtained his PhD degree from University of Maryland, College Park. He is a Professor at CAS and a founder of Z2Sky Technologies Inc. Prior to this, he was a Principal Expert and a Senior R&D director at Siemens Healthcare. Dr. Zhou has published ~200 book chapters and peer-reviewed journal and conference papers, registered 250+ patents and inventions, written two research monographs, and edited three books. His two most recent books are entitled "Medical Image Recognition, Segmentation and Parsing: Machine Learning and Multiple Object Approaches, SK Zhou (Ed.)" and "Deep Learning for Medical Image Analysis, SK Zhou, H Greenspan, DG Shen (Eds.)." Currently his third book entitled “Handbook of Medical Image Computing and Computer Assisted Intervention, SK Zhou, D Rueckert, G Fichtinger (Eds.)” is in press. He has won multiple awards including R&D 100 Award (Oscar of Invention), Siemens Inventor of the Year, and UMD ECE Distinguished Alumni Award. He is a member of editorial board of IEEE Trans. Medical Imaging and Medical Image Analysis and an area chair for CVPR and MICCAI. He is elected as an AIMBE fellow and a board member of the MICCAI Society. He will serve as a program co-chair for MICCAI 2020.

个人主页：

http://miracle.ict.ac.cn/?page_id=149

报告摘要：

The "Machine learning + Knowledge modeling" approaches, which combine machine learning with domain knowledge, enable us to achieve start-of-the-art performances for many tasks of medical image recognition, segmentation and parsing. In this talk, we review the latest developments of deep learning for medical imaging AI and demonstrate that the knowledge-fused deep learning approaches enable an extra performance boost for such tasks, thus generating a ‘knowledge’ gap.

 

报告嘉宾：王国泰（电子科技大学）

报告时间：2019年9月4日（星期三）晚上20:35（北京时间）

报告题目：医学图像的智能化交互式分割

报告人简介：

王国泰分别于2007年与2014年获得上海交通大学生物医学工程专业学士和硕士学位，2018年获得伦敦大学学院（UCL）博士学位，现为电子科技大学特聘副教授。研究方向为医学图像分割、计算机视觉和深度学习。目前在肝脏CT图像分割、胎儿磁共振图像处理、脑肿瘤磁共振图像分割等研究项目中取得了一定成果，以第一作者身份在TPAMI， TMI, Medical Image Analysis， MICCAI等本领域顶级期刊和会议发表多篇论文。担任TPAMI， TMI, Medical Image Analysis，NeuroComputing, Medical Physics等多种期刊审稿人。

个人主页：

http://faculty.uestc.edu.cn/wangguotai/zh_CN/index.htm

报告摘要：

Segmentation of organs and lesions from medical images plays an important role in diagnosis, organ modeling and treatment planning. Despite the large amount of efforts in the past decades, fully automatic segmentation methods rarely achieve sufficiently accurate and robust results to be clinically useful in many challenging applications. As a result, interactive segmentation methods are desirable as they allow higher accuracy and robustness in clinic. However, traditional interactive segmentation methods are often confronted with requiring a large number of user interactions and long user time. In this talk, I will present my works in the last three years on intelligent interactive segmentation methods based on machine learning. I will start with a Random Forest-based online learning framework for minimally interactive segmentation of the placenta. Then I present a CNN-based interactive segmentation method (DeepIGeoS) that only requires few interactions to obtain accurate segmentation results with high efficiency. In addition, by using image-specific fine-tuning, the CNN model can be adapted to a specific test image, which helps the CNN to achieve better performance and enables the interactive framework to segment previously unseen objects.

 

Panel嘉宾：李阳（北京航空航天大学）

嘉宾简介：

李阳，北京航空航天大学自动化学院教授、博士生导师，副院长。2011 年毕业于英国谢菲尔德大学自动控制与系统工程系，获哲学博士学位。2012 年 12 月入选北京航空航天大学“卓越百人”海外人才划。2013 年 2 月起在北京航空航天大学模式识别与智能系统实验室工作。主要从事生物医学信号处理与机器学习、医学影像数据分析与处理等方面的相关研究工作。研究成果以第一/通讯作者在国际学术刊物上发表SCI论文40多篇，包括 IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Medical Image、Medical Image Analysis及医学影像领域重要国际会议MICCAI等。近5年承担国家级、省部级等科研项目10余项，其中包括国家自然科学基金联合重点、北京市自然科学基金重点项目等。曾获英国谢菲尔德大学“哈里沃辛顿”学术奖、英国“优秀自费留学生奖”，研究成果获2017年获吴文俊人工智能自然奖(排名第1)、2016年中国体视学“青年科技奖”等。担任国际期刊International Journal of Biomedical Engineering and Science 编委等。

个人主页：

http://shi.buaa.edu.cn/liyang/zh_CN/index.htm

 

Panel嘉宾：倪东（深圳大学）

嘉宾简介：

倪东, 博士，教授，深圳大学医学部生物医学工程学院副院长，广东省超声医学工程学会常务理事，中国医学装备协会超声技术分会大数据与人工智能专委会副主任委员，广东省医疗行业协会超声医学创新与发展管理分会副主任委员，深圳大学优秀学者，人工智能医疗影像国际顶级会议MICCAI 2019执行主席。长期从事医学大数据分析，特别是智能医学超声的研究。获授权发明专利10余项，发表学术论文100余篇，包括在IEEE TMI、Medical Image Analysis及MICCAI等本领域顶级期刊和会议发表论文多篇。主持各类科研项目10余项，其中包括国家自然科学基金2项。

个人主页：

http://www.music-bme.net/staff/nidong.shtml

 

主持人：夏勇（西北工业大学）

主持人简介：

夏勇，博士，教授，国家级青年人才计划入选者，西北工业大学计算机学院多学科交叉计算研究中心执行主任，中国图象图形学学会视觉大数据专委会常委，中国抗癌协会肿瘤影像专业委员会人工智能学组副组长，陕西省计算机学会人工智能专委会主任，VALSE执行领域主席，MICCAI 2019领域主席。研究方向为医学影像处理、分析与学习，发表学术论文140余篇，并先后在ISBI 2019 C-NMC、LiTS 2017和PROMISE12等国际学科竞赛中排名第一。

个人主页：

http://jszy.nwpu.edu.cn/yongxia.html

19-22期VALSE在线学术报告参与方式：

长按或扫描下方二维码，关注“VALSE”微信公众号（valse_wechat），后台回复“22期”，获取直播地址。

特别鸣谢本次Webinar主要组织者：

主办AC：夏勇（西北工业大学）

责任AC：韩军伟（西北工业大学）

VALSE Webinar改版说明：

自2019年1月起，VALSE Webinar改革活动形式，由过去每次一个讲者的方式改为两种可能的形式：

1）Webinar专题研讨：每次活动有一个研讨主题，先邀请两位主题相关的优秀讲者做专题报告（每人30分钟），随后邀请额外的2~3位嘉宾共同就研讨主题进行讨论（30分钟）。

2）Webinar特邀报告：每次活动邀请一位资深专家主讲，就其在自己熟悉领域的科研工作进行系统深入的介绍，报告时间50分钟，主持人与主讲人互动10分钟，自由问答10分钟。

活动参与方式：

1、VALSE Webinar活动依托在线直播平台进行，活动时讲者会上传PPT或共享屏幕，听众可以看到Slides，听到讲者的语音，并通过聊天功能与讲者交互；

2、为参加活动，请关注VALSE微信公众号：valse_wechat 或加入VALSE QQ群（目前A、B、C、D、E、F、G、H、I、J群已满，除讲者等嘉宾外，只能申请加入VALSE K群，群号：691615571）；

*注：申请加入VALSE QQ群时需验证姓名、单位和身份，缺一不可。入群后，请实名，姓名身份单位。身份：学校及科研单位人员T；企业研发I；博士D；硕士M。

3、在活动开始前5分钟左右，讲者会开启直播，听众点击直播链接即可参加活动，支持安装Windows系统的电脑、MAC电脑、手机等设备；

4、活动过程中，请不要说无关话语，以免影响活动正常进行；

5、活动过程中，如出现听不到或看不到视频等问题，建议退出再重新进入，一般都能解决问题；

6、建议务必在速度较快的网络上参加活动，优先采用有线网络连接；

7、VALSE微信公众号会在每周四发布下一周Webinar报告的通知及直播链接。

8、Webinar报告的PPT（经讲者允许后），会在VALSE官网每期报告通知的最下方更新[slides]。

9、Webinar报告的视频（经讲者允许后），会更新在VALSE爱奇艺空间，请在爱奇艺关注Valse Webinar进行观看。