0
2019年8月24-26日,第三屆圖像計算與數(shù)字醫(yī)學國際研討會(ISICDM 2019),在西安索菲特酒店召開。研討會由國際數(shù)字醫(yī)學會與國家天元數(shù)學西北中心聯(lián)合主辦,西安電子科技大學數(shù)學與統(tǒng)計學院與空軍軍醫(yī)大學(第四軍醫(yī)大學)生物醫(yī)學工程學院聯(lián)合承辦。
雷鋒網(wǎng)第三次作為大會首席合作媒體,全程參與ISICDM的報道。
本屆論壇中,中國科學院院士徐宗本教授、美國工程院院士John Gore教授,加拿大皇家科學院院士Terry Peters教授,英國皇家科學院院士郭毅可教授,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James Duncan教授)、IEEE TBME主編(芝加哥大學潘曉川教授)也會在大會的多個環(huán)節(jié)中發(fā)言。
會議開始前,ISICDM大會發(fā)起人、電子科技大學李純明教授向雷鋒網(wǎng)表示,“今天我在現(xiàn)場看到不少比較熟悉的面孔,很多都是往屆的觀眾,前兩年他們從全國各地飛到成都,今年又跟隨ISICDM的腳步來到西安,這讓我非常感動。其實讓觀眾形成參會粘性是一件比較困難的事情,需要組織方在各個環(huán)節(jié)保證內(nèi)容的前沿性、新穎度、深刻性和獨特性,同時需為多方創(chuàng)造一個絕佳的條件進行跨學科探討。ISICDM已連續(xù)舉辦三屆,在這方面始終沒有讓講者和觀眾失望。我認為這也與我們一直秉承的‘促進理工醫(yī)交叉融合,激發(fā)產(chǎn)學研協(xié)同創(chuàng)新’理念密不可分,無論未來的技術趨勢如何變化,無論研究方法多么多元,‘理工醫(yī)交叉融合,產(chǎn)學研協(xié)同創(chuàng)新’永遠是這一領域發(fā)展的生命線,只要我們圍繞這一根基不斷縱深,它所釋放出來的能量密度是無窮無盡的?!?/p>
在前一天進行的81個專題報告頭腦風暴下,8月25日,大會第二天迎來了更多重量級的學術泰斗級人物。當天共進行了9大主題報告,內(nèi)容包羅萬象,從醫(yī)學成像到圖像分析再到臨床應用。不少嘉賓也談到了未來醫(yī)療AI的重要研究方向,如機器學習自動化、知識模型、深度學習的正則化等。
會議初始,由西安電子科技大學副校長高新波教授,空軍軍醫(yī)大學副校長王生成,ISICDM大會主席之一、加拿大皇家科學院院士Terry Peters教授,美國工程院院士、磁共振成像(MRI)期刊主編John Gore做開幕致辭。
中國科學院院士徐宗本
作為此次大會的名譽主席和開場報告嘉賓,中國科學院院士、西安交通大學教授徐宗本發(fā)表了題為《醫(yī)學人工智能與大數(shù)據(jù)》的演講。
徐宗本院士談到,AI從“可以用”到“很好用”,還有很長的路要走。當前的人工智能,更多停留在“人工化“的階段,而在未來要完成從”人工化“到”機器學習自動化”再到“自主化”的演變。
其中,機器學習自動化是徐院士團隊近些年重點探索的方向之一,實現(xiàn)自動化,需讓機器自助完成生成數(shù)據(jù)、自動選擇數(shù)據(jù)、自動產(chǎn)生神經(jīng)網(wǎng)絡結(jié)構(gòu)、自動訓練數(shù)據(jù)和自動切換任務等環(huán)節(jié)。
隨后,他指出了當前醫(yī)學影像分析的三大技術局限性現(xiàn)狀:
1.經(jīng)驗+案例仍是基本模式。
2.醫(yī)學影像分析主要基于圖像處理方法(基礎計算機視覺方法),然而通用圖像處理技術并不夠有效:無法從源頭可控與圖像分析一體化的角度處理;通常用剛體的圖像處理方法處理柔性對象;用二維處理像素的方法處理點云;用常規(guī)信息融合方法處理有明顯醫(yī)學意義的多模態(tài)(結(jié)構(gòu)、功能、代謝)/多序列問題。
3.疾病輔助診斷主要基于深度學習+大數(shù)據(jù),但深度學習也存在諸多問題:用本質(zhì)需要大樣本的技術來解決小樣本問題,用不穩(wěn)健、解決困難的方法來解決具有普適性、需解釋的問題。
針對這些問題,徐宗本院士談到了他們團隊正在研究的三大醫(yī)學影像AI新技術:誤差建模原理與低劑量CT成像、模型驅(qū)動的深度學習與快速MR成像、分布式醫(yī)學影像中心系統(tǒng)與技術。
最后,他希望借助這三類新技術,在未來可實現(xiàn)CT劑量因人而異的醫(yī)療普惠目標。
加拿大衛(wèi)生科學院院士Aaron Fenster
第二位演講嘉賓是加拿大衛(wèi)生科學院院士、西安大略大學教授Aaron Fenster。Aaron Fenster是三維超聲發(fā)明人以及超聲手術導航技術的開創(chuàng)者,2013年,被國際醫(yī)學物理組織評選為過去50年中世界前50名醫(yī)學物理學家之一。
Aaron Fenster在大會中介紹到,為了減少操作員對PBSI的依賴,他們團隊開發(fā)一種三維超聲導針跟蹤系統(tǒng),該系統(tǒng)可提高手術導針可視化度、針位精度,并提供修改治療計劃所需的信息。
這套三維超聲系統(tǒng)可以提供一個便捷和多用途的方法,在術中使用自動分針技術,提升導針實時可視化的效果。未來,他們將重點聚焦導針分割算法、誤差對劑量的影響、MRI到三維超聲的管理。
最后,Aaron Fenster為三維超聲產(chǎn)學兩界提出了個人的建議,希望未來要重視研究不受環(huán)境限制、準確評估三維導針軌跡、所有區(qū)域?qū)п樋梢暬?、以及與所有傳統(tǒng)超聲系統(tǒng)兼容的方法。
加拿大皇家科學院院士Terry Peters
緊接著,加拿大皇家科學院院士、加拿大衛(wèi)生科學院院士Terry Peters,發(fā)表了演講《Augmented Reality and Ultrasound for Image-guided Interventions》。
作為世界著名的神經(jīng)與心臟微創(chuàng)手術圖像引導科學家,Terry Peters曾多次擔任醫(yī)學影像頂會MICCAI大會主席。
Terry Peters指出,在過去20年中,圖像引導手術系統(tǒng)已被廣泛應用在外科當中,而增強現(xiàn)實系統(tǒng)可以把計算機生成的2D或3D圖像疊加在用戶可視的真實世界。
他在演講中強調(diào),介入治療應做到通過小切口進入身體、避免大面積傷口、減少感染、提高治療效果和恢復速度、減少住院時間、增加病人舒適、盡量減少途中的組織損傷等標準。
而在這過程中,則面臨著諸多技術挑戰(zhàn),如跟蹤、產(chǎn)品審批、器官運動糾正、導航、可視化等問題。
Terry Peters團隊建立了一個系統(tǒng),將患者的心臟搏動MRI與超聲波融合,并以3D的方式顯示。
相關方案可實現(xiàn)程序運行超聲、跟蹤和AR顯示,滿足護理標準,且不需要x射線或x射線造影劑,可為心臟瓣膜介入治療提供更便宜、便捷的解決方案。
最后,Terry Peters對產(chǎn)學兩界的機遇進行了總結(jié)和展望:
1.微創(chuàng)影像引導介入是一個快速發(fā)展的領域
2.在進行研究投入之前,一定要評估項目是否有高回報
3.是否需要改變商業(yè)模式:傳統(tǒng)的低成本、低技術產(chǎn)品將無法獲得高利潤
4.引入不斷進步的技術:如可視化/成像:頭戴式AR、多光譜MR、超聲、改善人機交互界面
5.深入?yún)⑴c人類因素/心理物理研究:開發(fā)出讓人們更易上手的使用新產(chǎn)品。
中國科學技術大學附屬第一醫(yī)院副院長劉新峰
上午場的收尾演講是《腦血管狹窄的血流動力學評估》,由中國科學技術大學附屬第一醫(yī)院副院長劉新峰發(fā)表。
劉新峰談到,現(xiàn)行血運重建模式有著一定的局限性,通俗講便是:該治的沒治、不該治的治了、額外增加了手術風險。
該治的沒治:超過一半的卒中患者,狹窄程度達不到現(xiàn)行的治療標準。
不該治的治了:北曼哈頓卒中研究顯示,7%卒中是由于頸動脈狹窄本身所致。
增加手術風險:現(xiàn)有血管重建的并發(fā)癥為5%左右。
隨后,劉新峰談到了腦血管病防治工作的關鍵問題,主要分為以下幾個環(huán)節(jié):血管評估病例篩選——解剖學狹窄——功能性狹窄:篩選出高風險病例、減少手術并發(fā)癥。
目前腦血管“功能性狹窄”的評估技術為經(jīng)顱多普勒超聲(TCD)與CT/MR灌注成像,前者的優(yōu)勢是技術門檻低,易于在基層醫(yī)院推廣,缺點是TCD的操作和解釋主觀變異性較大,診斷的可靠性仍不太理想。
后者CT/MR灌注成像的優(yōu)點,能準確評估腦組織的氧合代謝情況,而缺點一方面是難以定量評估、設定截斷值,另外一方面,也無法定位血管責任病變部位。
于是,劉新峰提出了由TOF-MRA(信號密度比)、QMRA(體積流率)、壓力導絲(血流分數(shù))、CFD(血流分數(shù))組成的腦血管“功能性狹窄”的評估新技術。
并詳細介紹了腦血管壓力導絲評估技術(頸動脈系統(tǒng))、CFD建模方式、CTA建模計算FFR等方法。以及對新的評估技術進行展望:
1.基于壓力導絲評估腦血管狹窄的局限性
-壓力導絲技術的推廣
-建立壓力導絲技術規(guī)范
-確立能夠有效反映腦血管狹窄本質(zhì)的血流動力學參數(shù)及其參考值
2.基于CFD、影像學與人工智能輔助的功能性腦血管狹窄評估技術應用于 CTA/MRA/DSA/OCT,避免有創(chuàng)性。
MICCAI 2019大會主席沈定剛
下午環(huán)節(jié),MICCAI 2019大會主席、北卡大學教授沈定剛為聽眾帶來了題為《Learning Brain Functional Networks for Mental Disorder Diagnosis》的演講。
沈教授是學術界最早將深度學習應用于醫(yī)學影像領域的科學家之一,從事醫(yī)學影像分析、計算機視覺與模式識別等領域的研究20多年,目前擔任聯(lián)影智能聯(lián)席CEO。
在演講中,沈定剛主要分享了用于精神障礙診斷的大腦功能網(wǎng)絡的方法。
他首先介紹了團隊在幾年前研發(fā)的High-Order Functional Connectivity,可實現(xiàn)多層次動態(tài)腦網(wǎng)絡的重構(gòu)和分析,增加對精神障礙診斷的敏感度和分類精度。
隨后,沈定剛教授講述了兩個重要方法:基于卷積神經(jīng)網(wǎng)絡的靜態(tài)和動態(tài)網(wǎng)絡學習、動態(tài)腦網(wǎng)絡遞歸神經(jīng)網(wǎng)絡學習。同時,他們團隊也把近些年研究出來的方法做成工具包,用于基于大腦網(wǎng)絡的疾病診斷。該工具包擁有先進的大腦網(wǎng)絡重建、基于腦網(wǎng)絡的疾病分類,軟件簡潔實用。
作為今年MICCAI的大會主席,沈定剛教授在演講最后簡要介紹了即將開幕的深圳MICCAI 2019,今年的論文收錄情況,相比于2018年增加了50%,各方面的數(shù)據(jù)相較以往均有著不錯的提升。(近期,雷鋒網(wǎng)將發(fā)布沈定剛教授與MICCAI創(chuàng)始主席James Duncan教授的專訪文,敬請期待)
香港浸會大學、挪威卑爾根大學教授臺雪成
隨后,香港浸會大學、挪威卑爾根大學教授臺雪成發(fā)表了大會報告《Graph Models for High Dimensional Data and Deep Neural》。
在演講中,臺雪成的演講內(nèi)容從“以應用數(shù)學的方法做神經(jīng)網(wǎng)絡“、”高維數(shù)據(jù)的分析“兩大方向展開講述。
臺雪成談到了一個非常重要的話題,即如何將空間正則化添加到CNN中?針對這一問題,他提出了兩種方法:一種是在損失函數(shù)中添加平滑正則項,其二是使用CRFs和類似的后處理技術。
最終,將空間正則化添加到CNN層后,其并未給計算帶來額外的困難,效果十分顯著。
平安科技美國東部研究院院長呂樂
下午第三位演講嘉賓為平安科技美國東部研究院院長呂樂博士,他的演講題目是《New Progresses in Preventive and Oncology Precision Imaging》。呂樂博士曾任美國國家衛(wèi)生研究院資深科學家、西門子研究院資深科學家;MICCAI、CVPR領域主席。
作為一名與臨床醫(yī)生共同研究項目多年的企業(yè)科學家,呂樂博士分享了最近自己團隊的5篇重要論文,涵蓋了急診外科盆骨骨折輔助診斷、兒童X光肺炎識別、食道癌放療CTV分割等應用,論文內(nèi)容不僅有前沿的理論研究,同時也涉及到了工程落地應用。
以兒童X光肺炎識別為例,我們知道兒童的胸部X光數(shù)據(jù)往往比較少,而成人的數(shù)據(jù)量則巨大。因此,呂樂團隊開始思考能否用成人的肺炎X片去訓練一個神經(jīng)網(wǎng)絡,然后再用這個網(wǎng)絡在兒童肺部數(shù)據(jù)上去做進一步訓練。
于是,他們團隊進行了三組試驗,如果全部使用已有的少量兒童肺部數(shù)據(jù)去訓練模型,模型在實際兒童病例中,AUC面積為0.9753,如果只用成人肺部數(shù)據(jù)模型,AUC為0.9160,而如果先用大量成人的數(shù)據(jù)做訓練,隨后再用模型在兒童的數(shù)據(jù)集上做二次訓練,最終表現(xiàn)可達到0.9851,性能提升較為顯著。
而這一背后的方法,則用到了面向任務的無監(jiān)督對抗網(wǎng)絡(TUNA-NET),該網(wǎng)絡分為四個部分,分別為:
1.合成逼真的 radio-realistic (一種合成的低劑量X圖像)
2.在遷移過程中,保留高維度的類特定語義上下文信息
3.將學習到的真實目標域與合成目標域相似的中層特征進行正則化
4.同時優(yōu)化目標函數(shù),推廣到未標記域
中科院計算所研究員周少華
隨后,中科院計算所研究員周少華教授發(fā)表了題為《Towards Creating a Knowledge’Gap for Deep Learning Based Medical Image Analysis》的演講。周少華博士曾任西門子研究院首席科學家和高級研發(fā)總監(jiān),IEEE Trans. Medical Imaging and Medical Image Analysis編委會成員,多次MICCAI和CVPR會議的領域主席。目前他是MICCAI協(xié)會理事會成員,將出任MICCAI2020會議的程序共同主席。
“如何在深度學習的框架下,把醫(yī)學圖像分析做的更好?加入知識模型?!边@是周少華在演講開頭提出的觀點。
當前深度學習在醫(yī)學領域面臨的挑戰(zhàn)是,該領域?qū)︳敯粜砸蠓浅8?,對識別要求非常準確且速度快,同時有諸多長尾問題需要解決。
雖然深度學習存在的問題諸多,但也有著不少的機遇,一方面,整個行業(yè)的數(shù)據(jù)量越來越大;另一方面,醫(yī)學圖像中蘊藏著豐富的知識如解剖機構(gòu)、成像原理等。他長期以來一直致力于推進機器學習與知識模型結(jié)合的研究前沿。
周少華首先展示了他們團隊在幾年前利用“機器學習+知識模型”做的一項研究:在影像中,把彎曲的肋骨展平的技術,使得醫(yī)生閱片速度提升一倍,準確度也有著顯著的提升。
隨后,他重點介紹了深度學習與知識模型結(jié)合的原理與應用。
周少華談到,深度學習的定義仁者見仁,相比而言,他更加認同深度神經(jīng)網(wǎng)絡是“超級記憶體”這一說法。所以如果在深度學習基礎上,再加上知識模型,往往可以達到更好的性能。
為此,周少華團隊做了這幾方面的研究:其一,在輸入端加入知識信息,實現(xiàn)合成輸入。其二,在輸出端加入知識信息,找到輸出變量的有效表達,或在輸出變量里加入先驗知識和多任務學習。第三,在算法中嵌入知識,從而演化出U2-NET(多任務通用U-NET)、Self-inverse Network(自逆網(wǎng)絡)、DuDoNet(dual-domain雙源網(wǎng)絡)等算法。
中國食品藥品檢定研究院任海萍
大會的最后一個演講聚焦于醫(yī)療人工智能產(chǎn)品的審批。從去年下半年開始,醫(yī)療人工智能相關的政策和審批要點不斷公布,更多的人工智能產(chǎn)品在臨床驗證上不斷取得突破。值此之際,中國食品藥品檢定研究院任海萍主任發(fā)表了《醫(yī)療人工智能質(zhì)量評估的趨勢》的演講。
任海萍博士指出,當前醫(yī)療人工智能治療評估擬解決的關鍵點有“數(shù)據(jù)集如何描述(用戶需求)、數(shù)據(jù)集質(zhì)量要素如何明確(生產(chǎn)方需求),數(shù)據(jù)集如何評價(監(jiān)管方需求)”這三大問題。
隨后她重點談到了AI產(chǎn)品性能檢驗的幾個維度,其中包含了主要風險(漏診、誤診、過擬合等)、性能檢驗(在第三方數(shù)據(jù)集上進行算法測試 、常見指標:靈敏度、特異性、AUC、F-score、精確度、召回率),性能確認(臨床試驗)。
最后,她對當前的質(zhì)量評估做出了四點總結(jié):
1.我國人工智能醫(yī)療器械標準化工作步入正軌
2.質(zhì)量評價工作向前瞻性、低成本方向發(fā)展
3.AIMDI臨床使用階段的質(zhì)量評價工作應同步發(fā)展
4.人工智能倫理對產(chǎn)品設計的影響值得審視
當天的所有大會報告結(jié)束后,會議迎來了令人期待的“后深度學習時代的醫(yī)療人工智能”主題圓桌討論。
本次圓桌由中科院計算所研究員周少華教授主持,西安交通大學楊健教授、北卡大學沈定剛教授、紐約州立大學石溪分校教授梁正榮教授、平安科技美東研究院院長呂樂博士、飛圖影像董事長胡利榮、中山大學陸遙教授以及東北大學趙大哲教授等人參與討論。
圓桌詳細內(nèi)容與大會主論壇第二日報道,歡迎關注“AI掘金志”公眾號后續(xù)的推送。
圓桌觀點預告:
沈定剛:所有技術都是為實際問題服務,我們在做研究時,首先要有問題,然后再找方法,而不是抱著一堆方法去找問題。將來深度學習一定不會像當前這么熱,它不過是個工具,是種方法而已。年輕學者們?nèi)绻?0、30年來沉淀下來的傳統(tǒng)方法用好,往往比深度學習有效得多。如果把深度學習+傳統(tǒng)方法融合好,它所發(fā)揮的價值更是無窮的。
雷峰網(wǎng)原創(chuàng)文章,未經(jīng)授權禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
本專題其他文章