國(guó)際醫(yī)學(xué)圖像計(jì)算和計(jì)算機(jī)輔助干預(yù)會(huì)議MICCAI2019 (International Conference on Medical Image Computing and Computer Assisted Intervention, MICCAI)錄用結(jié)果公布，深睿研究院（Deepwise AI Lab）共有5篇論文被接收。

MICCAI是由國(guó)際醫(yī)學(xué)圖像計(jì)算和計(jì)算機(jī)輔助干預(yù)協(xié)會(huì)(Medical Image Computing and Computer Assisted Intervention Society) 舉辦，跨醫(yī)學(xué)影像計(jì)算(MIC)和計(jì)算機(jī)輔助介入 (CAI) 兩個(gè)領(lǐng)域的綜合性學(xué)術(shù)會(huì)議，是該領(lǐng)域的頂級(jí)會(huì)議，吸引了全球134所頂級(jí)科研高校的研究團(tuán)隊(duì)共同參與，被認(rèn)為有著非常強(qiáng)的國(guó)際影響力和非常高的學(xué)術(shù)權(quán)威性。隨著人工智能在各個(gè)領(lǐng)域的蓬勃發(fā)展，今年MICCAI論文投稿數(shù)量再創(chuàng)歷史新高，相比去年增長(zhǎng)了70%，遵循MICCAI對(duì)學(xué)術(shù)交流的深度和質(zhì)量要求，今年僅收錄了540篇，錄取率僅31%，收錄的論文代表了最前沿的圖像計(jì)算和計(jì)算機(jī)輔助領(lǐng)域的前沿技術(shù)，是醫(yī)學(xué)影像分析領(lǐng)域的前沿?zé)狳c(diǎn)風(fēng)向標(biāo)，引領(lǐng)該領(lǐng)域的未來發(fā)展方向。

深睿研究院自成立以來持續(xù)參與MICCAI投稿，今年深睿醫(yī)療投出10篇稿件，錄用5篇，錄取率高達(dá)50%，由此可見，深睿研究院是一支重量更重質(zhì)的科研團(tuán)隊(duì)。本次深睿研究院被收錄的五篇論文研究方向涵蓋語義分割、目標(biāo)檢測(cè)以及多任務(wù)學(xué)習(xí)等，在人工智能醫(yī)療應(yīng)用領(lǐng)域取得了創(chuàng)新性的突破。同時(shí)這些處于科技前沿的科研成果已被部分應(yīng)用于深睿醫(yī)療的Dr.Wise?AI輔助診斷產(chǎn)品中，在臨床應(yīng)用中取得了良好的效果。

以下為五篇入選論文科研成果概述：

1. Yuhang Liu, Shu Zhang, Ling Luo, Qianyi Zhang, Fandong Zhang, Xiuli Li, Yizhou Wang, Yizhou Yu. From Unilateral to Bilateral Learning: Detecting Mammogram Mass with Contrasted Bilateral Network. International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI),2019.

眾所周知，基于乳腺X線影像的腫塊檢測(cè)對(duì)于乳腺癌早期診斷具有重要的臨床意義。本文提出了基于深度學(xué)習(xí)的乳腺X線腫塊檢測(cè)算法，顯式建模乳腺鉬靶圖像的雙邊信息。通過采用形變?nèi)萑棠K適應(yīng)雙側(cè)乳腺局部區(qū)域的非剛性變化，以及在邏輯雙邊模塊中嵌入了醫(yī)生閱片內(nèi)在邏輯，顯著的提升了算法效果，在乳腺X線影像公開數(shù)據(jù)集DDSM上，同等假陽性數(shù)量下，本方法的檢出敏感性超過現(xiàn)有方法高達(dá)5個(gè)百分點(diǎn)，充分驗(yàn)證了算法的有效性。

（網(wǎng)絡(luò)框架圖。模型以配準(zhǔn)后的雙側(cè)乳腺圖像作為輸入，其中形變?nèi)萑棠KDistortion Insensitive Comparison Module通過ROI Align抵抗因配準(zhǔn)帶來的局部非剛性變化；邏輯雙邊模塊Logic Guided Bilateral Module嵌入了醫(yī)生閱片的領(lǐng)域知識(shí)，提升了模型性能）

2.Zihao Li, Shu Zhang, Junge Zhang, Kaiqi Huang, Yizhou Wang, Yizhou Yu. MVP-Net: Multi-view FPN with Position-aware Attention for Deep Universal Lesion Detection. International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI),2019. 

本文是深睿研究院和中科院自動(dòng)化所基于CT圖像的全器官病灶檢測(cè)器的科研探索，這項(xiàng)技術(shù)在肺結(jié)節(jié)、腦卒中等在日常診療過程中開始發(fā)揮越來越重要的作用。而具有統(tǒng)一框架的通用病灶檢測(cè)器雖然有著極其廣泛的應(yīng)用前景，但目前仍鮮有研究。本文基于NIH公布的迄今規(guī)模最大的CT圖像數(shù)據(jù)集DeepLesion，構(gòu)建了一個(gè)可以檢出全身各種病灶的通用病灶檢測(cè)器。結(jié)合醫(yī)生在臨床診斷中的專業(yè)經(jīng)驗(yàn)，研究員們提出了一種多視角目標(biāo)檢測(cè)網(wǎng)絡(luò)來融合多種窗寬窗位下的圖像信息。該網(wǎng)絡(luò)通過位置敏感的注意力模塊來有效的融合來自不同窗寬窗位的信息。實(shí)驗(yàn)結(jié)果表明我們的模型將4個(gè)假陽性下的識(shí)別準(zhǔn)確率從84.37%提高到91.30%。

（MVP-Net的網(wǎng)絡(luò)框架圖。Part-A展示了建模多窗寬窗位信息融合的多視角FPN檢測(cè)網(wǎng)絡(luò)。 Part-B展示了我們提出的位置敏感模塊。 Part-C中使用注意力模塊對(duì)來自不同窗寬窗位的特征進(jìn)行融合）

癌中之王的胰腺癌，被稱為21世紀(jì)腫瘤界最后一個(gè)堡壘。無論從診斷、治療還是基礎(chǔ)研究方面，雖然進(jìn)展很多，但仍舉步維艱。由于胰腺的大小和形狀多變，和周圍的組織對(duì)比度低，并且在整個(gè)腹腔內(nèi)體積占比較小，所以基于腹部CT影像進(jìn)行胰腺器官的自動(dòng)分割是一個(gè)非常大的挑戰(zhàn)，深睿研究院本次有兩篇收錄的論文針對(duì)這一挑戰(zhàn)進(jìn)行不同的創(chuàng)新嘗試。

3.  Chaowei Fang, Guanbin Li, Chengwei Pan, Yiming Li, Yizhou Yu. Globally Guided Progressive Fusion Network for 3D Pancreas Segmentation. International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI), 2019. 

本文的主要貢獻(xiàn)是，提出了一個(gè)創(chuàng)新的語義分割模型，解決了目前已有的方法不能兼顧全局特征和局部上下文信息的問題。本文提出了一個(gè)具有漸進(jìn)式融合模塊和全局引導(dǎo)分支的體素分割模型，可以更好更高效地利用3D特征從當(dāng)前層CT圖像提取的3D鄰域?qū)W習(xí)3D局部特征并預(yù)測(cè)對(duì)應(yīng)的2D分割結(jié)果，而全局引導(dǎo)分支則可以利用縮小的當(dāng)前層CT的完整圖像來補(bǔ)充全局特征。我們的方法在兩個(gè)胰腺分割數(shù)據(jù)集上取得最佳結(jié)果。

（我們的方法的整體框架）

4. Huai Chen, Xiuying Wang, Yi-Jie Huang, Xiyi Wu, Yizhou Yu, Lisheng Wang. Harnessing 2D Networks and 3D Features for Automated Pancreas Segmentation from Volumetric CT Images. International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI), 2019. 

本文是深睿研究院和上海交通大學(xué)合作的科研成果，在這篇文章里研究團(tuán)隊(duì)構(gòu)建了一個(gè)新的方法，為了充分利用三維信息，首次引入維度自適應(yīng)模塊橋接三維信息和經(jīng)預(yù)訓(xùn)練的二維網(wǎng)絡(luò)。通過在NIH胰腺分割數(shù)據(jù)集進(jìn)行測(cè)試和驗(yàn)證，平均計(jì)算時(shí)間控制在0.4分鐘左右，具備很強(qiáng)的臨床實(shí)用性。

（為了結(jié)合多源特征進(jìn)行精確預(yù)測(cè)，維度自適應(yīng)模塊（DAMS）將預(yù)先訓(xùn)練的二維網(wǎng)絡(luò)內(nèi)部特征接入三維網(wǎng)絡(luò)和融合決策模塊。）

5. Wei Zhang, Guanbin Li, Fuyu Wang, Longjiang E, Yizhou Yu, Liang Lin, Huiying Liang. Simultaneous Lung Field Detection and Segmentation for Pediatric ChestRadiographs. International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI), 2019. 

基于X光影像的肺部區(qū)域分割在臨床診斷和治療中具有重要意義，但是由于公開數(shù)據(jù)集的缺乏以及小兒X光影像與成人影像之間存在的巨大領(lǐng)域差異（例如尺度、大小、方向等）導(dǎo)致針對(duì)小兒肺部區(qū)域分割的研究相對(duì)滯后。本文是由廣州市婦女兒童醫(yī)療中心梁會(huì)營(yíng)教授牽頭發(fā)起，深睿研究院和中山大學(xué)一起合作進(jìn)行的研究，首次提出了一種針對(duì)小兒X光肺部區(qū)域同時(shí)進(jìn)行檢測(cè)與分割的多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)SDSLung算法框架。實(shí)驗(yàn)結(jié)果表明文中所提出的算法可以顯著提升小兒X光肺部區(qū)域分割的精度，同時(shí)對(duì)于成人的X光肺部數(shù)據(jù)依然可以取得當(dāng)前最佳的性能。小兒肺部區(qū)域分割的算法對(duì)于后續(xù)的小兒肺部疾病分析、以及輔助手術(shù)治療等至關(guān)重要。

（我們的深度神經(jīng)網(wǎng)絡(luò)的整體框架）

深睿研究院（Deepwise AI Lab）

深睿研究院（Deepwise AI Lab）一直處于行業(yè)領(lǐng)先地位，是目前行業(yè)內(nèi)規(guī)模最大的專注于人工智能醫(yī)療領(lǐng)域的研究機(jī)構(gòu)之一，從成立以來一直致力于醫(yī)療前沿科技的探索，通過科技與臨床的結(jié)合，產(chǎn)生了眾多兼具臨床價(jià)值和科技創(chuàng)新性的科研成果，陸續(xù)被國(guó)際頂級(jí)期刊和會(huì)議收錄。截止到目前為止，深睿研究院在人工智能與機(jī)器學(xué)習(xí)頂級(jí)期刊及會(huì)議（如Science Robotics、TPAMI、TCyb、TIP、ICML、CVPR、ICCV、ECCV、AAAI等）上發(fā)表論文近三十篇，其中涵蓋了計(jì)算機(jī)視覺和模式識(shí)別領(lǐng)域三大頂級(jí)國(guó)際會(huì)議，尤其是連續(xù)兩年在備受矚目的頂級(jí)會(huì)議CVPR（谷歌2019學(xué)術(shù)榜Top 10）上均有學(xué)術(shù)成果發(fā)表，在國(guó)內(nèi)人工智能領(lǐng)域的科技公司中處于前列；同時(shí)，在醫(yī)學(xué)影像計(jì)算與分析領(lǐng)域，如IPMI、MICCAI、ISBI、RSNA等頂級(jí)會(huì)議上，發(fā)表論文二十余篇。

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。