20200520-12 大规模医学图像中的计算与学习问题

报告时间：2020年05月20日（星期三）晚上20:00（北京时间）

主题：大规模医学图像中的计算与学习问题

报告主持人：隋尧（哈佛大学）、夏勇（西北工业大学）

报告嘉宾：闫轲（PAII美国东部研究院）

报告题目：医学图像中大规模病变标注的挖掘和分析

报告嘉宾：窦琪（香港中文大学）

报告题目：大规模医学图像分析中的模型泛化性能研究

Panel议题：

1. 由于成像设备和扫描参数等的不同，医学图像的质量会存在比较大的差异，从而导致模型在某些数据集上性能下降。对于这个问题，目前有没有比较有效的解决方案？

2. 将自然景物图像预训练的模型应用于医学图像分析任务时，可能存在一些域适应的问题。因此，近来有人尝试用不相关的医学图像分析任务做预训练（例如Models Genesis和MedicalNet），但也有人认为这样预训练的模型并不能真的带来性能的提高。各位老师如何看待这种预训练方式？

3. 使用影像以外的医学数据联合进行诊断无疑是非常必要的，但这方面的研究还是相对较少，其困难主要有哪些？

4. AI不仅要赋能医生，医生也要赋能AI，而且不仅仅是提供标注数据，而是要在诊断的过程中完成医生与AI的合作。但目前的医学影像智能分析过程很少引入医生的角色，各位老师对这方面有何建议？

5. 近年来，对网络结构搜索和自动机器学习的研究收到了很大关注，进展也很快。网络结构搜索和自动机器学习是否也应该被用于医学图像分析？目前的主要障碍是什么？

Panel嘉宾：

闫轲（PAII美国东部研究院）、李硕（加拿大西安大略大学）、郑国焱（上海交通大学）、窦琪 （香港中文大学）

*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：闫轲（PAII美国东部研究院）

报告时间：2020年5月20日（星期三）晚上20:00（北京时间）

报告题目：医学图像中大规模病变标注的挖掘和分析

报告人简介：

清华大学电子工程系本科、博士毕业，曾在美国国立卫生研究院（NIH）从事博士后研究，目前为PAII美国东部研究院高级研究员。主要研究方向为医学图像分析，尤其是病变的检测和分类。在CVPR，MICCAI，RSNA等知名会议发表多篇论文及摘要，曾获RSNA Trainee Research Prize。作为第一作者发布了DeepLesion数据集，受到了多家媒体关注。

个人主页：

http://yanke23.com/

报告摘要：

相比自然图像，医学图像中的标注获取成本很高，导致大规模数据库较少。我们在医院的数据系统（PACS）中进行挖掘，找到放射科医生日常工作中对病变的测量以及在影像报告中对病变的描述，整理成了大规模、多类别的病变CT图像数据库：DeepLesion，同时节省了人工成本。利用这个数据库，我们可以训练CNN完成多种任务：对病变进行检测、分割和测量；利用弱标签学习病变之间的相似性，构造特征空间，对病变进行检索和匹配；以及提取影像报告中含有噪声的类别标签，利用医学知识分析标签之间的关系，对病变进行分类和描述。

报告嘉宾：窦琪（香港中文大学）

报告时间：2020年5月20日（星期三）晚上20:30（北京时间）

报告题目：大规模医学图像分析中的模型泛化性能研究

报告人简介：

窦琪，博士，现任香港中文大学计算机科学与工程学系助理教授。此前于英国帝国理工大大学计算机系从事博士后研究，2018年于香港中文大学取得博士学位，2014年本科毕业于北京航空航天大学，曾于西门子医学影像北美研究院从事暑期实习。研究方向为机器学习及其在医学影像分析和手术机器人领域的应用，关注神经网络在复杂实际场景中的泛化性，鲁棒性及多模态信息融合。曾获MedIA-MICCAI最佳论文奖，MICCAI Young Scientist Award Finalist，香港科学会青年科学家奖，香港中文大学优秀博士论文奖，ISBI LUNA肺结节检测挑战赛冠军，蝉联MICCAI手术流程识别挑战赛2016&2019冠军，NeurIPS/MICCAI Travel Award。近五年在TMI, MedIA, TBME, Radiology, MICCA, NeurIPS, CVPR, AAAI, ICRA等医学影像/人工智能/机器人相关会议和期刊发表论文五十余篇，谷歌总引用4000余次，担任MIDL会议领域主席，及多个国际会议和期刊审稿人。

个人主页：

www.cse.cuhk.edu.hk/~qdou

报告摘要：

随着人工智能推动医学影像计算领域的发展日新月异，规模化临床应用彰显巨大潜力。但当前神经网络的泛化性能尚存在诸多挑战，训练模型在多中心异构数据预测时往往面临性能下降的问题，阻碍着深度学习技术在复杂实际场景中的临床部署。本报告将针对如何解决模型泛化和鲁棒性问题，结合医学图像分析的实例化应用场景，探讨领域自适应，未知领域泛化，多中心数据融合，跨模态迁移等问题，涵盖无监督学习，特征解耦，图像风格迁移，元学习，度量学习，知识蒸馏等关键技术。报告中相关工作代码均已开源。

Panel嘉宾：郑国焱（上海交通大学）

嘉宾简介：

郑国焱，博士，上海交通大学教授、博导、上海千人，第三军医大学客座教授。曾任瑞士伯尔尼大学副教授。研究领域为医学图像计算和计算机辅助治疗。相关科研成果发表在计算机视觉及医疗图像和计算机辅助治疗方面的国际顶级会议CVPR，MICCAI及国际著名期刊IEEE Transactions on Pattern Analysis and Machine Intelligence (IEEE-TPAMI), IEEE Transactions on Medical Imaging (IEEE TMI)，Nature Communications, Medical Image Analysis等杂志上。获得8项欧洲和美国专利，在Springer和Elsevier出版编著3部。获得ICIAR’18，CAOS’18，MLMI’17，CARS’14和CAOS’06等国际会议最佳（学生）论文奖、Journal of Laryngology and Otology 2012年最佳基础论文奖和Ypsomed创新研发大奖。是国际医学图像计算和计算机辅助治疗学会（MICCAI Society）理事会成员和国际计算机辅助治疗学会（CAOS-International）执委会成员，国际著名期刊IEEE Transactions on Biomedical Engineering (IEEE TBME), IEEE Journal of Biomedical and Health Informatics (IEEE JBHI)和Journal of Computerized Medical Imaging and Graphics 编委（Associate Editor）。

个人主页：

http://imr.sjtu.edu.cn/sz_ky/3322.html

Panel嘉宾：李硕（加拿大西安大略大学）

嘉宾简介：

Dr. Shuo Li is an associate professor in the department of medical imaging and medical biophysics at the University  of Western Ontario and scientist at Lawson Health Research Institute. Before this position he was a research scientist and project manager in General Electric (GE) Healthcare for 9 years. He founded the Digital Imaging Group of London (http://digitalimaginggroup.ca/) in 2006, which is a very dynamic and highly multiple disciplinary collaboration group. He received his Ph.D. degree in computer science from Concordia University 2006, where his PhD thesis won the doctoral prize giving to the most deserving graduating student in the faculty of engineering and computer science. He has published over 100 publications; He is the recipient of several awards from GE, institutes and international organizations; He serves as guest editors and associate editor in several prestigious journals in the field; He serves as program committee members in highly influential conferences; He is the editors of six Springer books; He serves on the board of directors in prestigious MICCAI society. His current interest is development intelligent analytic tools to help physicians and hospital administrators to handle the big medical data, centred with medical images.

个人主页：

https://boneandjoint.uwo.ca/about_us/people/researcher_bios/Li.html

Panel主持人：隋尧（哈佛大学）

主持人简介：

Yao Sui (隋尧) is a research fellow at Harvard Medical School, and a member of Computational Radiology Laboratory (CRL) at Boston Children’s Hospital, working with Professor Simon Warfield and Professor Ali Gholipour. He received his Ph.D. degree in Electronic Engineering from Tsinghua University, Beijing,China. Before joining Harvard, he was a post-doctoral associate at the Department of Electrical Engineering and Computer Science (EECS), University of Kansas (KU), Lawrence, KS,USA. His research interests include machine learning, computer vision, pattern recognition, image processing, and medical imaging.

个人主页：

https://scholar.harvard.edu/suiyao

报告主持人：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

20-12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“12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）

协办AC：隋尧（哈佛大学）

责任SAC：左旺孟（哈尔滨工业大学）

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、K群已满，除讲者等嘉宾外，只能申请加入VALSE M群，群号：531846386）；

*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、B站、西瓜视频，请搜索Valse Webinar进行观看。

闫轲 [slides]

窦琪 [slides]