0
8月24日，第三届图像计算与数字医学国际研讨会（ISICDM 2019），正式在西安索菲特酒店召开。研讨会由国际数字医学会与国家天元数学西北中心联合主办，西安电子科技大学数学与统计学院与空军军医大学（第四军医大学）生物医学工程学院联合承办。
雷锋网&AI掘金志第三次作为大会首席合作媒体，对ISICDM进行全程报道。
经过三年的发展，ISICDM大会的众多嘉宾谈及的研究趋势，逐渐成为医学图像和数字医学领域的重要研究风向标。
本届论坛中，中国科学院院士徐宗本教授、美国工程院院士John Gore教授，加拿大皇家科学院院士Terry Peters教授，英国皇家科学院院士郭毅可教授，四位院士莅临本次大会。
与此同时，MRI主编（美国工程院院士John Gore教授）、Medical Image analysis主编（耶鲁大学James Duncan教授）、IEEE TBME主编（芝加哥大学潘晓川教授）也会在大会的多个环节中发言。
论坛首日，不少嘉宾分享的研究成果，既展示了深度学习的算法创新，也呈现了传统数学和机器学习方法在医学图像识别、分割、质量增强、成像等领域的全面应用。
论坛第一天，组委会共设置了影像组学与人工智能、功能成像及神经影像、图像重建进展论坛、数据模型与算法、数字医疗与智能诊疗、医学图像分析与深度学习、脑机接口与人机混合智能、期刊主编点评论文报告会、理工医产学研跨学科交流会、BME她论坛（中国生物医学工程学会女性科技工作者协会主办）10大专题论坛，共包含81个专题报告和多个交流环节。
其中，「期刊主编点评论文报告会」与「理工医产学研跨学科交流会」颇受关注。
在「期刊主编点评论文报告会」上，MRI主编（美国工程院院士John Gore教授）、IEEE TBME主编（芝加哥大学潘晓川教授）作为评委，就众多优质论文的现场报告进行专业点评。
美国工程院院士John Gore
“中国学生的学习能力和主观能动性非常强，今天非常开心能够指导这群潜力无限的学生。高校也应多多创造像ISICDM这样的机会，给予他们多方位的引导。”John Gore院士在接受雷锋网采访时谈到。
随后，ISICDM组委会向雷锋网表示：我们一方面鼓励投稿的学生们多尝试用深度学习解决各种各样的问题，同时也应重视深度学习背后的基础理论研究和传统数据建模方法。虽然DL火热，但它在医学场景中的不足和瓶颈也愈发明显，而传统应用数学的方法仍是当前值得重点研究的方向。
“过去的一段时间里，深度学习成为了绝对主流的研究方法。随着深度学习的鲁棒性不足、缺乏可解释性、对大量高质量训练数据和手工标注的依赖等弊端被越来越为人所诟病，基于知识的数学建模方法因其天然的透明性和可解释性而被不断改进与提升，后劲十足，仍然具有广阔的发展空间。事实上，在深度学习占据主流地位的今天，仍然有不少学者专注于基于知识的数学建模，通过把领域知识融入算法来提高算法性能。当前百家争鸣、百花齐放的学术环境，无疑为年轻人提供了更多的选择。”
“其实我们在上个世纪研究人工智能时，受限于各种条件，举步维艰。而当今这个时代，无论是新老方法的可选择性、算力成本、亦或是数据量，均为年轻学者们创造了无数低成本试错的机会，允许他们通过大量实践，对传统和新潮的方法进行取长补短、取精去糟，引领下一波潮流。”
为了贯彻“促进理工医交叉融合，激发产学研协同创新”这一理念，ISICDM发起人李纯明教授与复旦大学信息科学与工程学院党委副书记郭翌博士等人，共同策划了「理工医产学研跨学科交流会」，为听众带来了一场理工医交叉视听盛宴。
理工科专家和医生专家们的探讨内容和现场演示的软件，让与会者更直接地感受到了新老方法融合对医学问题的解决能力。
从左到右：孟翔飞、叶香华、陆菁菁、周世崇、黄昆、刘再毅、杨健、吕乐、覃文军、应时辉、高良才、王洪凯、郭翌
医生专家：北京协和医院放射科主任医师陆菁菁、浙江大学医学院附属第一医院肿瘤放射治疗科副主任医师叶香华、复旦大学附属肿瘤医院超声医学科副主任周世崇、解放军总医院肝胆外科主治医师孟翔飞。
理工科专家：上海大学教授应时辉、东北大学副教授覃文军、大连理工大学副教授王洪凯、北京大学副教授高良才。
评审组：广东省人民医院放射科副主任刘再毅、印第安纳大学医学院副院长黄昆、平安科技美国东部研究院院长吕乐、西安交通大学第一附属医院医学影像科主任杨健。
交流会首先由四位医生陆续提出自己遇到的影像分割、重建、配准等图像处理需求，随后由理工科专家根据医生们遇到的众多问题，现场讲述解决方法，并演示相关软件。
随后，8位医生与理工科专家上台就座，由复旦大学信息科学与工程学院党委副书记郭翌博士作为主持，进行现场提问，评审团进行点评和补充回答。
首先，北京协和医院放射科主任医师陆菁菁教授带着“疾病形态的快捷可视化表达、不同模态三维图像的融合和展示“两大需求登台发言，陆菁菁教授指出，医生探索AI有两大目的，或是服务临床、服务患者，或是服务科研，她们团队的目的更多是前者。为此，协和放射科也曾与北京大学高良才教授团队合作，尝试使用深度学习进行盆腔结构语义分割，效果可观。
浙江大学医学院附属第一医院肿瘤放射治疗科副主任医师叶香华，在随后详细解读了智能放疗的全流程，叶香华表示，患者智能识别、图像自动分割配准、靶区自动勾画、智能计划设计、自适应放疗、自动配准靶区跟踪、大数据回访中的每个环节，其实都需要AI的赋能。在赋能的路上，她也谈及了团队的技术需求，即基于特征的图像配准方法：
CT、MRI、PET多模态图像如何实现精准融合（时间、空间）
器官的动度（肝脏、肺结节等）
术前术后的周围组织形变（乳腺癌、胶质瘤后瘤术）
随后，复旦大学附属肿瘤医院超声医学科副主任医师周世祟，指出了超声人工智能的机遇与挑战。
他以某个实际乳腺癌保乳手术案例出发，讲述了困扰自己良久的问题：同一个病灶，不同模态的影像（US1、US2、MRI、MLO）的计算结果均却在着较大的差异，在此情况下，哪种模式的影像更为可信？为什么会有差异？真正的肿瘤在哪里？
带着这些困扰，周世崇也一度与多个理工科团队跨学科合作进行图像分割，但在合作过程中，图像处理结果对比原始DICDOM图像，其PBAC模型分割、自动识别分割效果往往并不精确。于是，他随之提出了第二大疑问：病灶边界如何界定？边缘成分是什么？AI提取特征的组织、病理、分子基础是什么？
最后，他根据自己所遇到的问题，总结出产学两界应该重点解决的5个关键点：
图像特征突破仪器条件的限制
深度学习以及神经网络的生物学、肿瘤学验证
全面的展现整个区域
影像信息与生物信息的融合
实现分子层面的可视化
解放军总医院肝胆外科主治医师孟翔飞也非常认可周世祟谈到的现场，他补充到，以外科医生为例，该群体对影像的应用分为两个方面：影像诊断——病变在哪里，是什么？；手术设计——手术怎么做。
孟教授指出，计算机3D成像于肝胆外科医生而言，通常扮演着这五种角色：精准肝脏外科术前评估的重要工具、个体化精准评估解剖、预知重要解剖结构形态与手术的关系、精准测量肝脏体积、虚拟手术评价预览手术方式。
他认为，传统后处理成像技术存在三大不足：明显受制于影像技术本身的特点、难以同时显示多个感兴趣的结构、操作者与使用者的分离。
与此同时，计算机技术在外科手术中的应用，也存在几项常见的现实问题：
计算机自动分割能力偏低：软件计算机和分割能力、影像质量、病变影响
计算机自动分割的结果必须经过人工审核校正
3D重建模型与术中实际应对困难
在大量复杂问题从一个个从医生口中涌出时，理工科专家分别就医生们提出的部分问题，提供了相应的解决方法和软件实现效果，引得现场连连陈赞。
首先，上海大学应时辉教授讲述了基于数学的脑影像的配准算法和图像标准化方法，此外，他也发现深度学习在解决该问题中表现出色。
而东北大学覃文军教授，则在现场炫酷地演示了他们团队所开发的集成化高复医学信息计算应用支持与服务平台（Deeplnsight），对胸部图像中的肺、血管进行分割和重建，以及对动静脉的分割和肺结节检测，软件操作便捷，交互简易。演示结束后，覃文军也谈到了自己的一个观点：其实做软件产品并不一定要追求非常前沿且复杂的算法，一个问题如果能用最简单的方法解决，就别把它复杂化。复杂的算法虽然发论文更容易中，但把技术给产品化，更多因考虑工程原理，而非算法原理。
随后，大连理工大学王洪凯所带来的Anatomy Sketch交互式可扩展编程医学图像分析软件，同样工程范儿十足。该产品是一款用于医生和科研人员合作的平台：科研人员为医生开发的核心算法，可集成到本软件，同时也能进行标记训练数据，而医生方可通过此软件手动修正算法的错误，算法则会实时进行学习医生的修改行为。据王洪凯介绍，Anatomy Sketch的成熟度已达到七八十分，未来将会对外开源，供更多人使用。
北京大学高良才教授展示了一款非常轻的肢端黑色素瘤的智能识别App应用，拍照即可进行辅助诊断。此外，他们团队开发的产品还有基于心脏管状动脉超声图像的川崎病辅助诊断，以及盆腔结构识别与肌肉边界定位软件。
除此之外，台下也有多个高校团队在现场为观众演示了他们的医学图像处理软件。
最后八位专家一同上台对众多问题展开了激烈的讨论，评审团也对讨论的议程进行非常专业的点评。
此后两日为ISICDM大会主论坛，更多内容欢迎继续关注雷锋网 & AI掘金志的报道。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
专题
