20201230-31 医学图像分割

报告嘉宾：王妍 (华东师范大学)

报告题目：Deep Distance Transform for Tubular Structure Segmentation in CT Scans

报告嘉宾：许永超 (武汉大学)

报告题目：面向图像不连续处与对比度变化的医学影像分割

Panel嘉宾：

雷柏英 (深圳大学)，王妍 (华东师范大学)，许永超 (武汉大学)，杨欣 (华中科技大学)，周郁音 (Stanford University)

Panel议题：

1. 医学图像分割与自然图像语义分割以及实例分割有什么本质上的不同？医学图像分割中需要考虑哪些额外的问题？

2. 现在做智慧医疗的公司也有很多。那么对于医学图像分割这个应用，如果需要做成产品落地，真正能够去帮助医生，还有哪些需要实现的环节？

3. 现在自监督表征学习非常火热。医学图像分割是否也可以通过自监督表征学习做预训练，减少对医生标注的依赖？

4. AI安全已经成为一个研究热点。那么基于AI的医学图像处理系统是否也会有安全隐患，是否会受到对抗攻击的威胁呢？

5. 不同医院、设备、扫描参数的不同往往带来医学图像质量的不同，影响分割算法的推广效果，如何改善此问题？

6. 医学图像通常具有一些医学先验知识，而大多数医学图像分割算法本质是独立的分类每一个像素点，如何能将医学知识考虑进来？该方面的进展如何？

*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：王妍 (华东师范大学)

报告时间：2020年12月30日(星期三)晚上20:00(北京时间)

报告题目：Deep Distance Transform for Tubular Structure Segmentation in CT Scans

报告人简介：

王妍，华东师范大学青年研究员，紫江青年学者。2011年获得华中科技大学电子信息工程本科学位，2017年获得新加坡南洋理工大学电气与电子工程学院博士学位。2016年在俄亥俄州立大学CBCS实验室Aleix Martinez教授组访学。2017年到2020年在约翰霍普金斯大学CCVL实验室Alan Yuille教授组做博士后。2020年10月入职华东师范大学。她在医学图像处理和计算机视觉领域发表了三十余篇论文，其中包括IEEE Trans. PAMI, IEEE Trans. Image Processing, IEEE Trans. Medical Imaging, IEEE Trans. Multimedia, Medical Image Analysis, CVPR, ICCV 和 MICCAI。

个人主页：

https://faculty.ecnu.edu.cn/_s15/wy2_19241/main.psp

报告摘要：

In this talk, I will introduce our recent work on tubular structure segmentation in medical images, e.g., segmenting vessels in CT scans. Tubular structure segmentation in medical images serves as a vital step in the use of computers to aid in screening early stages of related diseases. A tubular structure usually has a cylinder-like shape which can be well represented by its skeleton and cross-sectional radii (scales). Inspired by this, we propose a geometry-aware tubular structure segmentation method, Deep Distance Transform (DDT), which combines intuitions from the classical distance transform for skeletonization and modern deep segmentation networks. We apply our DDT on six medical image datasets. Results show that (1) DDT can boost tubular structure segmentation performance significantly, and (2) DDT additionally provides a geometrical measurement for a tubular structure, which is important for clinical diagnosis.

参考文献：

【1】Y. Wang, X. Wei, F. Liu, J. Chen, Y. Zhou, W. Shen, E. Fishman, A. Yuille. Deep Distance Transform for Tubular Structure Segmentation in CT Scans. CVPR, 2020.

报告嘉宾：许永超 (武汉大学)

报告时间：2020年12月30日(星期三)晚上20:30(北京时间)

报告题目：面向图像不连续处与对比度变化的医学影像分割

报告人简介：

许永超，武汉大学计算机学院，教授，楚天学子，2018年依托中国图象图形学学会入选中国科协青年托举人才计划，2008年本科毕业于华中科技大学，2010年硕士毕业于法国巴黎11大，2013年获得东巴黎大学博士学位，回国前任职于巴黎高等信息工程师学院Tenured Assistant Professor，研究领域涉及数学形态学、目标检测与图像分割、医学图像分析。在包括IEEE TPAMI、IEEE TIP、CVPR、ICCV、ECCV、MICCAI等重要国际期刊和会议发表学术论文 40余篇，其中一作TPAMI 3篇，目前担任Frontiers of Computer Science期刊的青年编委，IEEE TPAMI、IJCV、CVPR等多个期刊会议的审稿人。现任中国图象图形学学会CSIG青年工作委员会通讯委员，CSIG图象视频通信专委会通讯委员。

个人主页：

https://sites.google.com/view/yongchaoxu

报告摘要：

医学影像分割是医学图像分析的一个重要研究领域，随着深度学习的发展，医学影像分割取得了很好的结果，然而在图像的一些不连续处（如区域轮廓与区域内部的灰度不连续处），其分割精度依然存在一些问题，为此，针对区域轮廓附近的分割问题，我们提出了结合图像的结构信息，利用从最近轮廓点出发的方向场信息，将区域内部特征替换轮廓附近像素点的特征，提升轮廓附近的特征可区分性，从而提高分割精度。针对区域内部的灰度不连续，我们提出利用边缘检测算子定位到这些不连续处，然后加强这些不连续出的损失函数权重，这种简单的方法也可以提升模型的分割精度。另外，医学图像中对比度变化广泛存在，且容易造成分割精度的下降，我们针对曲线结构的分割（如眼底图像中的血管），提出了一种基于局部灰度大小顺序的转换，这种转换后的图像表示具有较好的对比度变化鲁棒性，可以提升对比度变化下的曲线结构分割的鲁棒性。

参考文献：

【1】Feng Cheng, Cheng Chen, Yukang Wang, Heshui Shi, Yukun Cao, Dandan Tu, Changzheng Zhang, Yongchao Xu*, "Learning Directional Feature Maps for Cardiac MRI Segmentation". MICCAI, 2020.

【2】Jiajia Chu, Yajie Chen, Wei Zhou, Heshui Shi, Yukun Cao, Dandan Tu, Richu Jin, Yongchao Xu*, "Pay More Attention to Discontinuity for Medical Image Segmentation". MICCAI, 2020.

Panel嘉宾：雷柏英 (深圳大学)

嘉宾简介：

雷柏英博士：深圳大学研究员、硕士生导师、深圳大学“荔园优青”、深圳市海外高层次人才（孔雀计划）、深圳市高层次后备级人才，深圳市孔雀团队核心成员，南山区领航人才等。2012年获新加坡南洋大学博士学位。先后在澳大利亚詹姆斯库克大学、新加坡信息通信研究所、新加坡南洋理工大学、美国北卡大学教堂山分校、美国德州大学圣安东尼奥医学中心、美国宾西法尼亚大学、美国密歇根大学、美国匹茨堡大学、法国计算和自动化研究所进行研究和访问。一直从事医学图像处理、深度学习、模式识别和人工智能的研究工作。与多个国家和作者共发表了180余篇国际期刊和会议论文，包括80余篇SCI检索的期刊文章（29篇为第一作者、34篇通讯作者，27篇IEEE(16 篇IEEE Trans)，其中2篇为ESI高被引（3%））。谷歌学术总引用2458次，单篇文章最高引用187次，H指数25。已申请20余项发明专利，其中8项已获授权。主持各级项目共17项。现主持国家自然科学基金面上项1项，深圳市国际合作研究1项、深圳市基础研究合作方主持1项。担任MedIA、IEEE TMI,TIP,TCYB,TSP, TNNLS, IEEE JBHI,TMM, TASLP, Neural Network，Information Fusion，Pattern Recognition, Information Science, ESWA等30多种国际SCI期刊的审稿人。现任Scientific Reports, PLOS One, Frontiers in Neuroscience 和Frontiers in Informatics, Neural Computing & Application 编委。现为IEEE 高级会员，获吴文俊人工智能科学技术奖三等奖(排名第3)，深圳市科学技术奖1等奖(排名第3)。

个人主页：

http://bme.szu.edu.cn/20181/0612/66.html

Panel嘉宾：杨欣 (华中科技大学)

嘉宾简介：

杨欣2013年获得加州大学圣塔芭芭拉分校博士学位，现任华中科技大学电信学院教授。杨欣博士主要从事医学影像分析与计算机视觉领域研究工作，已在国际权威期刊及学术会议上发表学术论文70余篇，其中以一作/通信作者在国际权威期刊（TPAMI、IJCV、TMI、MIA等）和国际顶级会议（CVPR、ICCV、MM、MICCAI）上发表论文共53篇，授权美国发明专利3项，出版英文书籍章节2部。她主持国家自然科学基金3项，校企联合实验室1项及多项省市企业项目；获得中国图象图形学会石青云女科学家奖、ACM武汉新星奖等荣誉称号；担任SCI期刊IEEE Trans. on Medical Image和Multimedia System编委；现任中国图象图形学会高级会员，CCF多媒体专委会副秘书长、CSIG青工委副秘书长等。

个人主页：

https://sites.google.com/view/xinyang/home

Panel嘉宾：周郁音 (Stanford University)

嘉宾简介：

Yuyin Zhou is currently a postdoctoral researcher at Stanford University. Before that, she received her Ph.D. in Computer Science from Johns Hopkins University in 2020. Yuyin’s research interests span in the fields of medical image computing, computer vision, and machine learning, especially the intersection of them. She also worked at Google Cloud AI and Google Brain.

个人主页：

https://yuyinzhou.github.io/

主持人：沈为 (上海交通大学)

主持人简介：

Wei Shen is a tenure-track Associate Professor at the Artificial Intelligence Institute, Shanghai Jiao Tong University, since October 2020. Before that, he was an Assistant Research Professor at the Department of Computer Science, Johns Hopkins University, worked with Bloomberg Distinguished Professor Alan Yuille. He received his B.S. and Ph.D. degrees from Huazhong University of Science and Technology in 2007 and in 2012, respectively. In 2012, he joined Shanghai University, served as an Assistant Professor and then an Associate Professor until Oct 2018. He also worked as a research intern with Prof. Zhuowen Tu at Microsoft Research Asia. He has over 40 peer-reviewed publications in computer vision and machine learning related areas, including IEEE Trans. PAMI, IEEE Trans. Image Processing, NIPS, ICML, ICCV, CVPR, ECCV and MICCAI.

个人主页：

https://shenwei1231.github.io/

20-31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“31期”，获取直播地址。

特别鸣谢本次Webinar主要组织者：

主办AC：许永超 (武汉大学)

协办AC：沈为 (上海交通大学)

责任SAC：曹汛 (南京大学)