0
10月13-17日，MICCAI 2019在深圳舉辦，為期5天的大會(huì)上，來(lái)自世界各地的學(xué)者合力奉獻(xiàn)了一場(chǎng)“學(xué)術(shù)盛宴”。
MICCAI Society 主席Leo Joskowicz在MICCAI期間表示，人工智能和深度學(xué)習(xí)的力量在不斷增強(qiáng)，但不同的臨床領(lǐng)域和技術(shù)領(lǐng)域也存在多樣性，這次MICCAI上的研討會(huì)和論文都是創(chuàng)紀(jì)錄的。而且，來(lái)自科學(xué)界和商業(yè)界不同領(lǐng)域的興趣日益濃厚。
這股興趣也直接反映在了注冊(cè)人數(shù)、論文上：MICCAI的注冊(cè)人數(shù)突破2300人，較2017年翻了一倍；投稿數(shù)量大幅增加較去年增加63%，最終的收錄數(shù)量達(dá)到了538篇。
此外，今年的tutorials、workshops和challenges的數(shù)量達(dá)到創(chuàng)紀(jì)錄的60多個(gè)，研討會(huì)和賽事甚至延長(zhǎng)到晚上；20多家企業(yè)成為本次大會(huì)的贊助商；大會(huì)總共資助了113名學(xué)生前來(lái)參會(huì)，其中48名是本科生。
這些都是MICCAI 2019留下的亮點(diǎn)成績(jī)。
會(huì)議舉辦前夕，曾有一個(gè)小插曲：由于MICCAI 2019的注冊(cè)人數(shù)已超2000人，而主會(huì)場(chǎng)只能容納1500人左右。為此，大會(huì)主席沈定剛教授曾發(fā)了一條朋友圈，提前征集自愿者在分會(huì)場(chǎng)參會(huì)。雖是無(wú)奈之舉，但也直接說(shuō)明了本次MICCAI的火爆程度。
作為醫(yī)學(xué)影像分析行業(yè)的頂級(jí)學(xué)術(shù)會(huì)議，MICCAI可以說(shuō)是該領(lǐng)域研究的風(fēng)向標(biāo)。而從一年一度的大會(huì)上，我們也可以嗅到來(lái)自未來(lái)的氣息。
首先，我們先看一下今年的MICCAI青年科學(xué)家獎(jiǎng)(Young Scientist Award,YSA)。青年學(xué)者是學(xué)術(shù)研究的中堅(jiān)力量，該獎(jiǎng)項(xiàng)表彰由青年科學(xué)家撰寫的質(zhì)量最高的論文，每年最多頒發(fā)五份YSA。今年MICCAI共收錄了538篇文章，而這5篇文章，可以說(shuō)是“百里挑一”的精華。
雷鋒網(wǎng)也在第一時(shí)間拿到了大會(huì)主席沈定剛教授對(duì)這5篇論文的點(diǎn)評(píng)。
（MICCAI 2019大會(huì)主席 沈定剛教授）
1、Models Genesis: Generic Autodidactic Models for 3D Medical Image Analysis
作者：Zongwei Zhou, Vatsal Sodha, Md Mahfuzur Rahman Siddiquee, Ruibin Feng, Nima Tajbakhsh, Michael Gotway, Jianming Liang
點(diǎn)評(píng)：這篇文章的貢獻(xiàn)是設(shè)計(jì)了一個(gè)針對(duì)三維醫(yī)學(xué)圖像分析的預(yù)訓(xùn)練模型，這樣解決了以前大家只能用 ImageNet 里的二維數(shù)據(jù)訓(xùn)練出來(lái)的預(yù)模型，并且得到更好的效果；在5個(gè)醫(yī)學(xué)圖像的分割和分類問(wèn)題上取得領(lǐng)先的效果；在作者的口頭發(fā)言中也給出了開(kāi)源代碼（https://github.com/MrGiovanni/ModelsGenesis）。
2、Deep Multi Label Classification in Affine Subspaces
作者：Thomas Kurmann, Pablo Márquez Neila, Sebastian Wolf, Raphael Sznitman
點(diǎn)評(píng)：主要的貢獻(xiàn)是在多類分類任務(wù)中，將不同類型的樣本映射到預(yù)先定義好的具有依附關(guān)系、并且均勻分布在整個(gè)特征空間中的相應(yīng)子空間，而不是像傳統(tǒng)方法中只是簡(jiǎn)單將不同類型的樣本映射到距離較遠(yuǎn)的不同子空間。
3、Diagnosis-guided multi-modal feature selection for prognosis prediction of lung squamous cell carcinoma
作者：Wei Shao, Tongxin Wang, Zhi Huang, Jun Cheng, Zhi Han, Daoqiang Zhang, Kun Huang
點(diǎn)評(píng)：這篇文章要解決的問(wèn)題是用病理圖像和基因數(shù)據(jù)來(lái)預(yù)測(cè)生存期。通常的特征選擇方法是用單任務(wù)的方法完成特征選擇。這篇文章的基本思想是把生存期預(yù)測(cè)和臨床診斷信息預(yù)測(cè)作為多目標(biāo)任務(wù)來(lái)進(jìn)行特征選擇（雖然臨床診斷信息的預(yù)測(cè)不是這篇文章的目標(biāo)）。在公開(kāi)數(shù)據(jù)集上，跟其他方法相比，有3%左右的精度提高。
4、Fully convolutional boundary regression for retina OCT segmentation
作者：Yufan He, Aaron Carass, Yihao Liu, Bruno Jedynak, Sharon Solomon, Shiv Saidha, Peter Calabresi, Jerry Prince
點(diǎn)評(píng)：眼底圖像分割一般是先做像素分割，然后估計(jì)出不同層的邊界。不過(guò)，這樣的分割方法沒(méi)法端到端地優(yōu)化整個(gè)分割任務(wù)，而且每一層邊界的平滑性和層與層之間的前后關(guān)系都沒(méi)有在一個(gè)網(wǎng)絡(luò)中綜合優(yōu)化。這篇文章的主要想法是將所有的分割任務(wù)（像素分割、邊界估計(jì)和相鄰邊界的關(guān)系）都放在一個(gè)網(wǎng)絡(luò)來(lái)優(yōu)化，這樣可以達(dá)到整體優(yōu)化的目的，并且得到好的結(jié)果。
5、Clustering of longitudinal shape data sets using mixture of separate or branching trajectories
作者：Vianney Debavelaere, Alexandre B?ne, Stanley Durrleman, Stéphanie Allassonnière
點(diǎn)評(píng)：這篇文章主要想解決隨時(shí)間變換的形狀數(shù)據(jù)的聚類問(wèn)題；作者提出了一個(gè)混合模型來(lái)解決生長(zhǎng)過(guò)程中一類變成多類（例如兩類）的問(wèn)題。在腦老化的應(yīng)用中，該方法可以發(fā)掘出海馬形狀隨年齡老化分成兩個(gè)子類。
看完了最佳論文，我們?cè)倏囱芯口厔?shì)。
在為期5天的大會(huì)上，讓雷鋒網(wǎng)印象最為深刻的一句話，來(lái)自2014年當(dāng)選為MICCAI Society fellow的英國(guó)帝國(guó)理工學(xué)院教授Daniel Rueckert。
在接受采訪時(shí)，他感慨道：“Deep learning is now dominating everything in this area. There are virtually no talks without deep learning?！保ㄉ疃葘W(xué)習(xí)“統(tǒng)治”了醫(yī)學(xué)影像分析領(lǐng)域，現(xiàn)在幾乎無(wú)人不談深度學(xué)習(xí)）
（MICCAI Society Fellow、英國(guó)帝國(guó)理工學(xué)院教授Daniel Rueckert）
深度學(xué)習(xí)是近幾年人工智能的主流方法，這次大會(huì)收錄的500多篇論文，大都是利用深度學(xué)習(xí)技術(shù)進(jìn)行臨床工作流程的優(yōu)化或是對(duì)具體圖像進(jìn)行計(jì)算、分析。
與此同時(shí)，我們也可以看到，深度學(xué)習(xí)與傳統(tǒng)知識(shí)模型結(jié)合的聲量越來(lái)越大。
CVPR和 MICCAI 的領(lǐng)域主席、MICCAI 2020 程序委員會(huì)聯(lián)席主席周少華博士，曾在此前自己的一篇文章中表示，現(xiàn)在的研究更在于如何將深度學(xué)習(xí)結(jié)合自己?jiǎn)栴}的領(lǐng)域知識(shí)，才能達(dá)到原創(chuàng)性。
（MICCAI理事會(huì)成員、MICCAI 2020 程序委員會(huì)聯(lián)席主席 周少華博士）
這個(gè)觀點(diǎn)在雷鋒網(wǎng)與沈定剛教授、Daniel Rueckert教授、Nicolas Ayache教授等人交流時(shí)得到了一致的回答。
（MICCAI創(chuàng)始人之一、法國(guó)Inria研究主管Nciholas Ayache）
沈教授表示，每一種方法都各有利弊，深度學(xué)習(xí)和知識(shí)模型相結(jié)合的方法，學(xué)者們一直在探索?！澳Ｐ鸵馕吨褑?wèn)題簡(jiǎn)化，用數(shù)學(xué)的方式來(lái)表示問(wèn)題，但是里面有很多問(wèn)題無(wú)法用這個(gè)模型來(lái)描述，而深度學(xué)習(xí)的參數(shù)非常多，可以解決很多具體的問(wèn)題。怎么樣把兩者結(jié)合起來(lái)，非常重要。我永遠(yuǎn)認(rèn)為，研究不能只偏向其中一個(gè)方向?！?/p>
作為MICCAI 2020 程序委員會(huì)聯(lián)席主席，周少華博士向雷鋒網(wǎng)分享了，除了深度學(xué)習(xí)與知識(shí)模型融合之外，四個(gè)新的學(xué)術(shù)研究趨勢(shì)。
一個(gè)方面是深度學(xué)習(xí)的自動(dòng)化。周少華表示，深度學(xué)習(xí)受很多人工的東西影響：人工標(biāo)注的數(shù)據(jù)、人工設(shè)計(jì)的網(wǎng)絡(luò)架構(gòu)、loss函數(shù)也是要人工設(shè)置?！八?，我覺(jué)得，一個(gè)比較大的趨勢(shì)是去自動(dòng)化完成這些工作。目前，這些方面的研究也比較多。”
第二個(gè)方面是成像與分析的緊密結(jié)合。“成像與分析是整個(gè)影像鏈中兩個(gè)有機(jī)組成部分。我們現(xiàn)在是有了圖像之后再進(jìn)行分析，但是如果在成像端與分析直接結(jié)合，也可以做很多有意思的事情，也符合端到端學(xué)習(xí)的思路?！?/p>
第三個(gè)方面就是聯(lián)邦學(xué)習(xí)（Federated Learning）。聯(lián)邦學(xué)習(xí)是一種新興的人工智能基礎(chǔ)技術(shù)，能夠讓開(kāi)發(fā)者與各企業(yè)機(jī)構(gòu)利用分散在多個(gè)位置的訓(xùn)練數(shù)據(jù)對(duì)中心深度神經(jīng)網(wǎng)絡(luò)（DNN）進(jìn)行訓(xùn)練的學(xué)習(xí)范式，這個(gè)方法可以支持各企業(yè)機(jī)構(gòu)針對(duì)共享模型開(kāi)展協(xié)作，而無(wú)需共享任何臨床數(shù)據(jù)。
沈定剛教授也認(rèn)為，研究方法都是來(lái)自于實(shí)際應(yīng)用場(chǎng)景。聯(lián)邦學(xué)習(xí)對(duì)于醫(yī)療數(shù)據(jù)的隱私性來(lái)說(shuō)是一個(gè)很好的方法，既可以保證數(shù)據(jù)“不出院”，又能夠利用不用醫(yī)院的數(shù)據(jù)訓(xùn)練同一個(gè)算法。
第四個(gè)方面，也是周少華博士研究的側(cè)重點(diǎn)，在于通用表征學(xué)習(xí)（Universal Representation Learning, URL），嘗試用一種通用的學(xué)習(xí)方法來(lái)同時(shí)處理多個(gè)任務(wù)，每個(gè)任務(wù)可以有不同的領(lǐng)域。
通用表征學(xué)習(xí)的好處在于，單個(gè)任務(wù)的數(shù)據(jù)量不大，難以訓(xùn)練一個(gè)好的模型。如果將所有任務(wù)放在一起，就會(huì)有更多的數(shù)據(jù)，進(jìn)而更好地提升模型的性能?！拔覀兿Ｍ梢詫W(xué)到一個(gè)通用性的表達(dá)，對(duì)所有的任務(wù)都能適用。”
隨著AI應(yīng)用的不斷推廣與落地，可以預(yù)見(jiàn)的是，“古今結(jié)合”和從臨床需求衍生出的新方法將不斷涌現(xiàn)。
軟硬結(jié)合、設(shè)備端的AI越來(lái)越成為器械商們適應(yīng)智能時(shí)代的方式。
目前，國(guó)內(nèi)很多初創(chuàng)公司的發(fā)力點(diǎn)集中在診斷環(huán)節(jié)，但醫(yī)學(xué)是一個(gè)很長(zhǎng)的鏈條，每個(gè)環(huán)節(jié)都大有文章可做。將AI應(yīng)用到源頭，即成像質(zhì)量的提高，將會(huì)是未來(lái)的一大熱點(diǎn)。
在12日的早上，沈定剛教授在一個(gè)小型的會(huì)議一直強(qiáng)調(diào)：未來(lái)，單模態(tài)、單個(gè)流程的診斷方式會(huì)向全鏈條、全棧式的方式發(fā)展。從成像、篩查、診斷、預(yù)后，以及后面的治療和隨訪將大有文章可做。
此前，東軟醫(yī)療AI首席科學(xué)家黃峰也向雷鋒網(wǎng)表示，設(shè)備端的人工智能是真正解決了醫(yī)院的痛點(diǎn)，給醫(yī)院創(chuàng)造更多的價(jià)值，“醫(yī)院每天掃描50個(gè)病人還是100個(gè)病人是有很大區(qū)別的，直接影響著醫(yī)院的接診能力，醫(yī)生也更偏愛(ài)于智能的設(shè)備所帶來(lái)的高效體驗(yàn)。”
“軟件會(huì)向硬件靠攏，兩者不能分離。因?yàn)閿?shù)據(jù)是為了臨床服務(wù)?！鄙蚪淌诮忉尩?，這也是自己和周翔博士在面對(duì)眾多選擇時(shí)，決定加入聯(lián)影智能的原因。他將聯(lián)影集團(tuán)比作一艘航空母艦，而聯(lián)影智能的AI產(chǎn)品就是一艘艘的小潛艇，可以自然而然地與硬件進(jìn)行結(jié)合；同時(shí)，又可以成為獨(dú)立產(chǎn)品，直接賦能臨床應(yīng)用。
如何更好的實(shí)現(xiàn)設(shè)備端的“軟硬結(jié)合”？聯(lián)影智能COO 詹翊強(qiáng)分享了聯(lián)影智能內(nèi)部的研發(fā)模式：構(gòu)筑一個(gè)內(nèi)部研發(fā)平臺(tái)。通過(guò)內(nèi)部研發(fā)模塊“復(fù)用性”，攤平先期投入的研發(fā)成本?！拔覀?cè)陂_(kāi)發(fā)第一個(gè)AI產(chǎn)品的時(shí)候投入會(huì)很大，第二個(gè)AI產(chǎn)品投入會(huì)比較大，但隨著應(yīng)用越來(lái)越多，我們的研發(fā)投入會(huì)越來(lái)越小，而且研發(fā)周期會(huì)短很多?！?/p>
在這樣的思路下，器械商們也尋求搭建軟件生態(tài)開(kāi)放平臺(tái)。以聯(lián)影智能為例，聯(lián)影智能在全國(guó)多家醫(yī)院部署了自家的uAI Clinical Portal，搭載了覆蓋腦卒中、肋骨骨折、乳腺病變、氣胸等疾病的全棧式AI。
（聯(lián)影智能COO 詹翊強(qiáng)）
詹翊強(qiáng)表示，在中國(guó)，單純售賣軟件很難擴(kuò)大規(guī)模。AI發(fā)展到現(xiàn)階段，軟硬結(jié)合已經(jīng)成為重要的發(fā)展方向，兩者相互依存。“從硬件角度看，軟件可以讓硬件增值。而從軟件的商業(yè)角度來(lái)說(shuō)，如果有一個(gè)硬件作載體，將易于變現(xiàn)，尤其是在專業(yè)領(lǐng)域，例如醫(yī)療影像領(lǐng)域，因?yàn)閷?duì)醫(yī)生而言，軟硬一體化解決方案也許更能符合醫(yī)生的需求?！?/p>
未來(lái)，人工智能將成為影像分析領(lǐng)域的標(biāo)配，器械商會(huì)越來(lái)越注重設(shè)備端的智能。
今年，醫(yī)生和醫(yī)療AI公司成為本次MICCAI大會(huì)上不可忽視的兩股力量。據(jù)了解，今年有20多家企業(yè)成為本次大會(huì)的贊助商。
并且，醫(yī)療AI企業(yè)積極投稿，也都取得了不錯(cuò)的成績(jī)：騰訊覓影有8篇論文被收錄、聯(lián)影智能有7篇論文被收錄、視見(jiàn)科技有6篇論文被收錄、深睿醫(yī)療有5篇論文被收錄，其他企業(yè)也均有論文入選。
沈定剛教授就表示，很早以前國(guó)內(nèi)（包括香港）每年有十篇左右的文章會(huì)被接收，比例只有3%-4%。2018年，整個(gè)亞洲文章所占的比例還非常低，加起來(lái)只有18%。
但是，今年亞洲的錄取文章比例已經(jīng)達(dá)到37%，超過(guò)了美洲。而這些錄取的文章里，絕大多數(shù)（150篇左右）來(lái)自于中國(guó)?！叭ツ陣?guó)內(nèi)企業(yè)被收錄的論文數(shù)量接近20篇，今年的數(shù)字大概在40篇，醫(yī)療AI企業(yè)在其中作出了重要的貢獻(xiàn)。”
除此之外，大會(huì)還對(duì)企業(yè)敞開(kāi)了大門，設(shè)置了Industry Forum和Industry Session，邀請(qǐng)了來(lái)自聯(lián)影智能、西門子、騰訊、平安科技等公司在大會(huì)上分享自己公司的論文。
另一個(gè)值得注意的現(xiàn)象是，醫(yī)生在MICCAI中的身影越來(lái)越頻繁。
作為“精神放射影像”的代表，華西醫(yī)院的龔啟勇教授在大會(huì)第二天上午發(fā)表了長(zhǎng)達(dá)一個(gè)小時(shí)的Keynote Speech。同時(shí)，上海長(zhǎng)征醫(yī)院的劉士遠(yuǎn)主任、北京大學(xué)第一醫(yī)院的王霄英主任都分別在各自的Session中發(fā)表演講。
當(dāng)然，從2016年開(kāi)始，醫(yī)生就一直是醫(yī)療AI產(chǎn)品的引路人。醫(yī)生也對(duì)如今的AI產(chǎn)品提出了很多看法和建議。
王霄英主任說(shuō)，一些AI模型在臨床工作中實(shí)際使用時(shí)，并不像在實(shí)驗(yàn)室一樣面對(duì)的是經(jīng)過(guò)篩選和清洗的規(guī)范化數(shù)據(jù)。不同醫(yī)院在常規(guī)工作流程中生成和存儲(chǔ)的圖像數(shù)據(jù)性質(zhì)不完全一致，在未做針對(duì)性訓(xùn)練的情況下，AI的效能可能受到影響。
“以我們訓(xùn)練的前列腺癌分割模型為例，這個(gè)模型需要的是高b值DWI圖像，你給它的不是這個(gè)格式的圖，結(jié)果可能就不準(zhǔn)確。如果需要由醫(yī)生人工把AI可以識(shí)別的影像分揀出來(lái)，再交給AI處理，就做不到自動(dòng)化，醫(yī)生仍會(huì)不滿意。”
（北京大學(xué)第一醫(yī)院醫(yī)學(xué)影像科主任 王霄英）
現(xiàn)在，王霄英主任所在的放射科也在積極地應(yīng)用公認(rèn)的、性能穩(wěn)定的開(kāi)源框架，嘗試做一些AI小工具，目的是探索如何將不同的AI工具順暢地植入到實(shí)際工作流程中，醫(yī)生應(yīng)如何使用各種不同的AI工具，如何在實(shí)際工作中驗(yàn)證AI的性能?！靶亟M、神經(jīng)組、骨肌組、腹組等團(tuán)隊(duì)都有各自的項(xiàng)目。發(fā)起一個(gè)項(xiàng)目的時(shí)候，大家會(huì)考慮三個(gè)因素：工作有沒(méi)有臨床價(jià)值、問(wèn)題是不是常見(jiàn)、技術(shù)上是不是可行?！?/p>
王霄英認(rèn)為，普適性的、成熟的AI還沒(méi)有出現(xiàn)，解決小問(wèn)題的、提升效率的AI已經(jīng)進(jìn)入初步應(yīng)用。醫(yī)生對(duì)AI正在 “接納”過(guò)程中，醫(yī)生需要改造傳統(tǒng)工作習(xí)慣和拓展知識(shí)體系，促進(jìn)AI的發(fā)展，提升醫(yī)療的價(jià)值。
所以，隨著醫(yī)學(xué)影像分析的不斷深入，醫(yī)學(xué)AI產(chǎn)品的不斷迭代更新，醫(yī)生的“戲份”將越來(lái)越重，繼續(xù)強(qiáng)化企業(yè)與醫(yī)生的對(duì)話機(jī)制仍然是重點(diǎn)。
“1998年，第一屆MICCAI在麻省理工學(xué)院舉辦時(shí)，沒(méi)有人預(yù)想到它會(huì)發(fā)展成為如今的規(guī)模，因?yàn)槟菚r(shí)候的參會(huì)人數(shù)只有400人左右。但是近幾年來(lái)，AI技術(shù)滲透到了每個(gè)角落，也隨之點(diǎn)燃了醫(yī)學(xué)影像分析。我們看到，現(xiàn)在圖像重建、增強(qiáng)、分類等方向都在大范圍應(yīng)用深度學(xué)習(xí)和其他有意思的方法?！?/p>
MICCAI 2019召開(kāi)前夕，MICCAI創(chuàng)始主席James Duncan曾對(duì)我們說(shuō)下這么一席話。而經(jīng)過(guò)22年的發(fā)展，MICCAI已經(jīng)成為世界頂級(jí)的醫(yī)學(xué)影像分析會(huì)議。
2020年，MICCAI將會(huì)在秘魯利馬舉行。
MICCAI Society主席Leo Joskowicz說(shuō)到，“我來(lái)自墨西哥，并且在那里長(zhǎng)大。所以我們的愿景是把MICCAI第一次帶到拉丁美洲。四年前，我們就開(kāi)始競(jìng)標(biāo)了。我們希望把MICCAI給中國(guó)帶來(lái)的影響力帶給拉丁美洲，以及激勵(lì)不同的研究人員?！?/p>
10月11日的一次晚餐上，Leo Joskowicz和一位參會(huì)者一起吃晚飯。這名參會(huì)者提出了一個(gè)問(wèn)題：“人們會(huì)去秘魯嗎？畢竟那邊沒(méi)有很強(qiáng)大的學(xué)術(shù)團(tuán)體?！?/p>
Leo Joskowicz回答道，MICCAI舉辦的目的，不僅在于那個(gè)地方有多少個(gè)實(shí)驗(yàn)室，還在于會(huì)議能夠?yàn)楫?dāng)?shù)貛?lái)哪些影響，是否會(huì)激勵(lì)研究人員投身這個(gè)領(lǐng)域。這是MICCAI選擇舉辦地的一個(gè)重要考量。
對(duì)于今年的兩位大會(huì)主席，Leo Joskowicz給予了高度的贊揚(yáng)。他說(shuō)，為了這次MICCAI，沈定剛教授和劉天明教授做了很長(zhǎng)時(shí)間的準(zhǔn)備，他們完成的非常出色。我覺(jué)得多年以后，人們都會(huì)記得今年的這次盛會(huì)。
最后，雷鋒網(wǎng)想分享一段來(lái)自沈定剛教授的心扉之言。拋開(kāi)其他頂級(jí)學(xué)者對(duì)MICCAI 2019以及對(duì)中國(guó)學(xué)者的贊譽(yù)，沈教授的這番“說(shuō)給未來(lái)”的話，對(duì)于醫(yī)學(xué)影像分析領(lǐng)域的后來(lái)者，都有足夠的收獲和教育意義。
現(xiàn)全文摘錄如下：
今年 MICCAI 的規(guī)模很大，文章有538篇，很多其他領(lǐng)域的人也開(kāi)始做MICCAI領(lǐng)域的問(wèn)題，這非常好。但是，如果大家看一下這538篇文章的主題，會(huì)驚奇地發(fā)現(xiàn)大多數(shù)文章只是聚焦于簡(jiǎn)單的問(wèn)題，例如簡(jiǎn)單問(wèn)題的簡(jiǎn)單分割和分類問(wèn)題，很少有文章聚焦于復(fù)雜的問(wèn)題。這個(gè)現(xiàn)象在華人的論文里更加明顯。
我和劉天明（另外一位 MICCAI 大會(huì)主席）看到大會(huì)第3天、第 1 session中的9位口頭發(fā)言者時(shí)，心里都驚了一下：這個(gè)session里沒(méi)有國(guó)內(nèi)的人，華人也寥寥無(wú)幾。主要是因?yàn)檫@方向太難，需要長(zhǎng)期投入，而且出文章的周期長(zhǎng)。這是國(guó)內(nèi)研究的通病，那就是想在短期出成果，并且沒(méi)有耐心做長(zhǎng)期投入的工作。
這種現(xiàn)象會(huì)影響這個(gè)領(lǐng)域的研究和人才培養(yǎng)，因?yàn)楫?dāng)前這些做容易問(wèn)題的人會(huì)是將來(lái)文章的評(píng)審者；他們只懂得那些簡(jiǎn)單問(wèn)題的簡(jiǎn)單方法，他們認(rèn)為好的文章也會(huì)是那些相應(yīng)的簡(jiǎn)單問(wèn)題的簡(jiǎn)單方法，因?yàn)樗麄儧](méi)有做難的問(wèn)題和想深入方法的訓(xùn)練和經(jīng)驗(yàn)。這樣下去，國(guó)內(nèi)（包括國(guó)際）這個(gè)領(lǐng)域的研究、人才培養(yǎng)和相應(yīng)的產(chǎn)業(yè)都會(huì)毀了，因?yàn)槟切┰谧鲭y問(wèn)題、需要長(zhǎng)期時(shí)間投入的人發(fā)不了文章，拿不到研究資金，升不了職稱。這個(gè)問(wèn)題應(yīng)該引起我們做faculty（老師們）的注意。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
