8月24日，第三屆圖像計算與數(shù)字醫(yī)學(xué)國際研討會（ISICDM 2019），正式在西安索菲特酒店召開。研討會由國際數(shù)字醫(yī)學(xué)會與國家天元數(shù)學(xué)西北中心聯(lián)合主辦，西安電子科技大學(xué)數(shù)學(xué)與統(tǒng)計學(xué)院與空軍軍醫(yī)大學(xué)（第四軍醫(yī)大學(xué)）生物醫(yī)學(xué)工程學(xué)院聯(lián)合承辦。

雷鋒網(wǎng)&AI掘金志第三次作為大會首席合作媒體，對ISICDM進行全程報道。 

經(jīng)過三年的發(fā)展，ISICDM大會的眾多嘉賓談及的研究趨勢，逐漸成為醫(yī)學(xué)圖像和數(shù)字醫(yī)學(xué)領(lǐng)域的重要研究風(fēng)向標(biāo)。

本屆論壇中，中國科學(xué)院院士徐宗本教授、美國工程院院士John Gore教授，加拿大皇家科學(xué)院院士Terry Peters教授，英國皇家科學(xué)院院士郭毅可教授，四位院士蒞臨本次大會。

與此同時，MRI主編（美國工程院院士John Gore教授）、Medical Image analysis主編（耶魯大學(xué)James Duncan教授）、IEEE TBME主編（芝加哥大學(xué)潘曉川教授）也會在大會的多個環(huán)節(jié)中發(fā)言。

論壇首日，不少嘉賓分享的研究成果，既展示了深度學(xué)習(xí)的算法創(chuàng)新，也呈現(xiàn)了傳統(tǒng)數(shù)學(xué)和機器學(xué)習(xí)方法在醫(yī)學(xué)圖像識別、分割、質(zhì)量增強、成像等領(lǐng)域的全面應(yīng)用。

論壇第一天，組委會共設(shè)置了影像組學(xué)與人工智能、功能成像及神經(jīng)影像、圖像重建進展論壇、數(shù)據(jù)模型與算法、數(shù)字醫(yī)療與智能診療、醫(yī)學(xué)圖像分析與深度學(xué)習(xí)、腦機接口與人機混合智能、期刊主編點評論文報告會、理工醫(yī)產(chǎn)學(xué)研跨學(xué)科交流會、BME她論壇（中國生物醫(yī)學(xué)工程學(xué)會女性科技工作者協(xié)會主辦）10大專題論壇，共包含81個專題報告和多個交流環(huán)節(jié)。 

其中，「期刊主編點評論文報告會」與「理工醫(yī)產(chǎn)學(xué)研跨學(xué)科交流會」頗受關(guān)注。

新技術(shù)與傳統(tǒng)方法的融合之道

在「期刊主編點評論文報告會」上，MRI主編（美國工程院院士John Gore教授）、IEEE TBME主編（芝加哥大學(xué)潘曉川教授）作為評委，就眾多優(yōu)質(zhì)論文的現(xiàn)場報告進行專業(yè)點評。

美國工程院院士John Gore

“中國學(xué)生的學(xué)習(xí)能力和主觀能動性非常強，今天非常開心能夠指導(dǎo)這群潛力無限的學(xué)生。高校也應(yīng)多多創(chuàng)造像ISICDM這樣的機會，給予他們多方位的引導(dǎo)。”John Gore院士在接受雷鋒網(wǎng)采訪時談到。

隨后，ISICDM組委會向雷鋒網(wǎng)表示：我們一方面鼓勵投稿的學(xué)生們多嘗試用深度學(xué)習(xí)解決各種各樣的問題，同時也應(yīng)重視深度學(xué)習(xí)背后的基礎(chǔ)理論研究和傳統(tǒng)數(shù)據(jù)建模方法。雖然DL火熱，但它在醫(yī)學(xué)場景中的不足和瓶頸也愈發(fā)明顯，而傳統(tǒng)應(yīng)用數(shù)學(xué)的方法仍是當(dāng)前值得重點研究的方向。

“過去的一段時間里，深度學(xué)習(xí)成為了絕對主流的研究方法。隨著深度學(xué)習(xí)的魯棒性不足、缺乏可解釋性、對大量高質(zhì)量訓(xùn)練數(shù)據(jù)和手工標(biāo)注的依賴等弊端被越來越為人所詬病，基于知識的數(shù)學(xué)建模方法因其天然的透明性和可解釋性而被不斷改進與提升，后勁十足，仍然具有廣闊的發(fā)展空間。事實上，在深度學(xué)習(xí)占據(jù)主流地位的今天，仍然有不少學(xué)者專注于基于知識的數(shù)學(xué)建模，通過把領(lǐng)域知識融入算法來提高算法性能。當(dāng)前百家爭鳴、百花齊放的學(xué)術(shù)環(huán)境，無疑為年輕人提供了更多的選擇?！?/p>

 “其實我們在上個世紀研究人工智能時，受限于各種條件，舉步維艱。而當(dāng)今這個時代，無論是新老方法的可選擇性、算力成本、亦或是數(shù)據(jù)量，均為年輕學(xué)者們創(chuàng)造了無數(shù)低成本試錯的機會，允許他們通過大量實踐，對傳統(tǒng)和新潮的方法進行取長補短、取精去糟，引領(lǐng)下一波潮流?！?nbsp;

醫(yī)生的真實需求與理工專家的解法

為了貫徹“促進理工醫(yī)交叉融合，激發(fā)產(chǎn)學(xué)研協(xié)同創(chuàng)新”這一理念，ISICDM發(fā)起人李純明教授與復(fù)旦大學(xué)信息科學(xué)與工程學(xué)院黨委副書記郭翌博士等人，共同策劃了「理工醫(yī)產(chǎn)學(xué)研跨學(xué)科交流會」，為聽眾帶來了一場理工醫(yī)交叉視聽盛宴。

理工科專家和醫(yī)生專家們的探討內(nèi)容和現(xiàn)場演示的軟件，讓與會者更直接地感受到了新老方法融合對醫(yī)學(xué)問題的解決能力。

從左到右：孟翔飛、葉香華、陸菁菁、周世崇、黃昆、劉再毅、楊健、呂樂、覃文軍、應(yīng)時輝、高良才、王洪凱、郭翌

醫(yī)生專家：北京協(xié)和醫(yī)院放射科主任醫(yī)師陸菁菁、浙江大學(xué)醫(yī)學(xué)院附屬第一醫(yī)院腫瘤放射治療科副主任醫(yī)師葉香華、復(fù)旦大學(xué)附屬腫瘤醫(yī)院超聲醫(yī)學(xué)科副主任周世崇、解放軍總醫(yī)院肝膽外科主治醫(yī)師孟翔飛。

理工科專家：上海大學(xué)教授應(yīng)時輝、東北大學(xué)副教授覃文軍、大連理工大學(xué)副教授王洪凱、北京大學(xué)副教授高良才。

評審組：廣東省人民醫(yī)院放射科副主任劉再毅、印第安納大學(xué)醫(yī)學(xué)院副院長黃昆、平安科技美國東部研究院院長呂樂、西安交通大學(xué)第一附屬醫(yī)院醫(yī)學(xué)影像科主任楊健。

交流會首先由四位醫(yī)生陸續(xù)提出自己遇到的影像分割、重建、配準(zhǔn)等圖像處理需求，隨后由理工科專家根據(jù)醫(yī)生們遇到的眾多問題，現(xiàn)場講述解決方法，并演示相關(guān)軟件。

隨后，8位醫(yī)生與理工科專家上臺就座，由復(fù)旦大學(xué)信息科學(xué)與工程學(xué)院黨委副書記郭翌博士作為主持，進行現(xiàn)場提問，評審團進行點評和補充回答。

首先，北京協(xié)和醫(yī)院放射科主任醫(yī)師陸菁菁教授帶著“疾病形態(tài)的快捷可視化表達、不同模態(tài)三維圖像的融合和展示“兩大需求登臺發(fā)言，陸菁菁教授指出，醫(yī)生探索AI有兩大目的，或是服務(wù)臨床、服務(wù)患者，或是服務(wù)科研，她們團隊的目的更多是前者。為此，協(xié)和放射科也曾與北京大學(xué)高良才教授團隊合作，嘗試使用深度學(xué)習(xí)進行盆腔結(jié)構(gòu)語義分割，效果可觀。

浙江大學(xué)醫(yī)學(xué)院附屬第一醫(yī)院腫瘤放射治療科副主任醫(yī)師葉香華，在隨后詳細解讀了智能放療的全流程，葉香華表示，患者智能識別、圖像自動分割配準(zhǔn)、靶區(qū)自動勾畫、智能計劃設(shè)計、自適應(yīng)放療、自動配準(zhǔn)靶區(qū)跟蹤、大數(shù)據(jù)回訪中的每個環(huán)節(jié)，其實都需要AI的賦能。在賦能的路上，她也談及了團隊的技術(shù)需求，即基于特征的圖像配準(zhǔn)方法：

• CT、MRI、PET多模態(tài)圖像如何實現(xiàn)精準(zhǔn)融合（時間、空間）

• 器官的動度（肝臟、肺結(jié)節(jié)等）

• 術(shù)前術(shù)后的周圍組織形變（乳腺癌、膠質(zhì)瘤后瘤術(shù)）

隨后，復(fù)旦大學(xué)附屬腫瘤醫(yī)院超聲醫(yī)學(xué)科副主任醫(yī)師周世祟，指出了超聲人工智能的機遇與挑戰(zhàn)。

他以某個實際乳腺癌保乳手術(shù)案例出發(fā)，講述了困擾自己良久的問題：同一個病灶，不同模態(tài)的影像（US1、US2、MRI、MLO）的計算結(jié)果均卻在著較大的差異，在此情況下，哪種模式的影像更為可信？為什么會有差異？真正的腫瘤在哪里？

帶著這些困擾，周世崇也一度與多個理工科團隊跨學(xué)科合作進行圖像分割，但在合作過程中，圖像處理結(jié)果對比原始DICDOM圖像，其PBAC模型分割、自動識別分割效果往往并不精確。于是，他隨之提出了第二大疑問：病灶邊界如何界定？邊緣成分是什么？AI提取特征的組織、病理、分子基礎(chǔ)是什么？

最后，他根據(jù)自己所遇到的問題，總結(jié)出產(chǎn)學(xué)兩界應(yīng)該重點解決的5個關(guān)鍵點：

• 圖像特征突破儀器條件的限制

• 深度學(xué)習(xí)以及神經(jīng)網(wǎng)絡(luò)的生物學(xué)、腫瘤學(xué)驗證

• 全面的展現(xiàn)整個區(qū)域

• 影像信息與生物信息的融合

• 實現(xiàn)分子層面的可視化

解放軍總醫(yī)院肝膽外科主治醫(yī)師孟翔飛也非常認可周世祟談到的現(xiàn)場，他補充到，以外科醫(yī)生為例，該群體對影像的應(yīng)用分為兩個方面：影像診斷——病變在哪里，是什么？；手術(shù)設(shè)計——手術(shù)怎么做。

孟教授指出，計算機3D成像于肝膽外科醫(yī)生而言，通常扮演著這五種角色：精準(zhǔn)肝臟外科術(shù)前評估的重要工具、個體化精準(zhǔn)評估解剖、預(yù)知重要解剖結(jié)構(gòu)形態(tài)與手術(shù)的關(guān)系、精準(zhǔn)測量肝臟體積、虛擬手術(shù)評價預(yù)覽手術(shù)方式。

他認為，傳統(tǒng)后處理成像技術(shù)存在三大不足：明顯受制于影像技術(shù)本身的特點、難以同時顯示多個感興趣的結(jié)構(gòu)、操作者與使用者的分離。

與此同時，計算機技術(shù)在外科手術(shù)中的應(yīng)用，也存在幾項常見的現(xiàn)實問題：

• 計算機自動分割能力偏低：軟件計算機和分割能力、影像質(zhì)量、病變影響

• 計算機自動分割的結(jié)果必須經(jīng)過人工審核校正

• 3D重建模型與術(shù)中實際應(yīng)對困難

在大量復(fù)雜問題從一個個從醫(yī)生口中涌出時，理工科專家分別就醫(yī)生們提出的部分問題，提供了相應(yīng)的解決方法和軟件實現(xiàn)效果，引得現(xiàn)場連連陳贊。

首先，上海大學(xué)應(yīng)時輝教授講述了基于數(shù)學(xué)的腦影像的配準(zhǔn)算法和圖像標(biāo)準(zhǔn)化方法，此外，他也發(fā)現(xiàn)深度學(xué)習(xí)在解決該問題中表現(xiàn)出色。

而東北大學(xué)覃文軍教授，則在現(xiàn)場炫酷地演示了他們團隊所開發(fā)的集成化高復(fù)醫(yī)學(xué)信息計算應(yīng)用支持與服務(wù)平臺（Deeplnsight），對胸部圖像中的肺、血管進行分割和重建，以及對動靜脈的分割和肺結(jié)節(jié)檢測，軟件操作便捷，交互簡易。演示結(jié)束后，覃文軍也談到了自己的一個觀點：其實做軟件產(chǎn)品并不一定要追求非常前沿且復(fù)雜的算法，一個問題如果能用最簡單的方法解決，就別把它復(fù)雜化。復(fù)雜的算法雖然發(fā)論文更容易中，但把技術(shù)給產(chǎn)品化，更多因考慮工程原理，而非算法原理。

隨后，大連理工大學(xué)王洪凱所帶來的Anatomy Sketch交互式可擴展編程醫(yī)學(xué)圖像分析軟件，同樣工程范兒十足。該產(chǎn)品是一款用于醫(yī)生和科研人員合作的平臺：科研人員為醫(yī)生開發(fā)的核心算法，可集成到本軟件，同時也能進行標(biāo)記訓(xùn)練數(shù)據(jù)，而醫(yī)生方可通過此軟件手動修正算法的錯誤，算法則會實時進行學(xué)習(xí)醫(yī)生的修改行為。據(jù)王洪凱介紹，Anatomy Sketch的成熟度已達到七八十分，未來將會對外開源，供更多人使用。

北京大學(xué)高良才教授展示了一款非常輕的肢端黑色素瘤的智能識別App應(yīng)用，拍照即可進行輔助診斷。此外，他們團隊開發(fā)的產(chǎn)品還有基于心臟管狀動脈超聲圖像的川崎病輔助診斷，以及盆腔結(jié)構(gòu)識別與肌肉邊界定位軟件。

除此之外，臺下也有多個高校團隊在現(xiàn)場為觀眾演示了他們的醫(yī)學(xué)圖像處理軟件。

最后八位專家一同上臺對眾多問題展開了激烈的討論，評審團也對討論的議程進行非常專業(yè)的點評。

此后兩日為ISICDM大會主論壇，更多內(nèi)容歡迎繼續(xù)關(guān)注雷鋒網(wǎng) & AI掘金志的報道。

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