四大焦點(diǎn)話題，審視醫(yī)學(xué)AI的理工醫(yī)跨界融合

四年來，國內(nèi)外頂級學(xué)者的數(shù)百篇學(xué)術(shù)報告，已經(jīng)成為醫(yī)學(xué)圖像和數(shù)字醫(yī)學(xué)領(lǐng)域的研究風(fēng)向標(biāo)。

雷鋒網(wǎng)《醫(yī)健AI掘金志》消息，近日，第四屆圖像計(jì)算與數(shù)字醫(yī)學(xué)國際研討會（ISICDM 2020），在東北大學(xué)國際學(xué)術(shù)交流中心閉幕。

此次研討會由國際數(shù)字醫(yī)學(xué)會主辦，東北大學(xué)和中國醫(yī)科大學(xué)聯(lián)合承辦。雷鋒網(wǎng)&醫(yī)健AI掘金志，第四次應(yīng)ISICDM發(fā)起人、今年當(dāng)選IEEE Fellow的李純明教授邀請，成為大會首席媒體，全程參與ISICDM的報道。

四年來，ISICDM匯聚了中國、美國、英國、法國、德國、加拿大、荷蘭、瑞士、新加坡、澳大利亞等十國院士，IEEE TIP、IEEE TBME、MedicalImage Analysis等頂級期刊的主編，以及三十多位IEEE Fellow、ACM Fellow，多位中華醫(yī)學(xué)會分會主委。

這樣的豪華陣容，讓ISICDM成為國內(nèi)最有影響力的理工醫(yī)交叉會議之一。國內(nèi)外頂級學(xué)者的數(shù)百篇學(xué)術(shù)報告，已經(jīng)成為醫(yī)學(xué)圖像和數(shù)字醫(yī)學(xué)領(lǐng)域的研究風(fēng)向標(biāo)。

本次研討會，共設(shè)置了醫(yī)學(xué)圖像與人工智能分會、神經(jīng)影像分析分會、三維可視化與智能診療、圖像重建進(jìn)展論壇、圖像計(jì)算的數(shù)學(xué)模型與算法論壇，共8大專題論壇，包含77個專題報告和多個交流環(huán)節(jié)。

新加坡國家科學(xué)院院士沈佐偉教授、瑞士工程科學(xué)院院士Michael Unser教授、美國國家發(fā)明家科學(xué)院院士王革教授、歐洲科學(xué)院外籍院士蔣田仔博士等四位院士蒞臨本次大會。

與此同時，“計(jì)算解剖學(xué)”創(chuàng)始人、約翰霍普金斯大學(xué)Michael I.Miller教授；圖像處理頂級期刊IEEE TIP副主編、弗吉尼亞大學(xué)Gustavo Rohde博士；MICCAI 2020程序委員會聯(lián)席主席、中科院計(jì)算所周少華教授；中國科學(xué)院自動化研究所、北航-首醫(yī)大數(shù)據(jù)精準(zhǔn)醫(yī)療高精尖創(chuàng)新中心主任田捷教授等多位嘉賓也在大會各環(huán)節(jié)發(fā)言。

四大院士，聚焦醫(yī)學(xué)AI前沿技術(shù)

美國國家發(fā)明家科學(xué)院院士、紐約倫斯勒理工學(xué)院講座教授王革，圍繞圖像重建+AI的結(jié)合，發(fā)表了《Deep Learning & ComputedTomography》的主題演講。

多年來，王革教授在CT成像、在體熒光成像和生物醫(yī)學(xué)成像等理論與技術(shù)領(lǐng)域開展了一系列開拓性研究工作，首次提出了螺旋狀錐束CT結(jié)構(gòu)和自發(fā)熒光斷層成像方法，是國際CT成像和醫(yī)學(xué)圖像處理領(lǐng)域的杰出專家和學(xué)術(shù)權(quán)威，也是當(dāng)前分子影像領(lǐng)域的重磅人物。

王革表示：“圖像重建和圖像分析是醫(yī)學(xué)影像學(xué)的兩大支柱，具有很強(qiáng)的互補(bǔ)性，同時也涵蓋醫(yī)學(xué)成像的完整工作流程，從斷層掃描原始數(shù)據(jù)特征，到重建圖像、提取診斷特征等?！?/p>

他指出，醫(yī)學(xué)影像中，人工智能不僅有助于圖像分析，也有助于圖像重建。利用大數(shù)據(jù)知識，發(fā)展新一代的圖像重建理論、重建技術(shù)和圖像方法，進(jìn)而提升機(jī)器學(xué)習(xí)對醫(yī)學(xué)影像的影響程度。

新加坡國家科學(xué)院、發(fā)展中國家科學(xué)院院士沈佐偉，發(fā)表了演講——《Image Restoration and Beyond》。

作為國際著名數(shù)學(xué)家，沈佐偉為數(shù)據(jù)科學(xué)中的理論奠定作出了諸多重要貢獻(xiàn)，尤其在函數(shù)逼近理論與小波分析、圖像處理與壓縮感知 、計(jì)算機(jī)視覺與機(jī)器學(xué)習(xí)等領(lǐng)域。

他介紹了稀疏逼近理論，以及在圖像處理和壓縮感知領(lǐng)域中的應(yīng)用，該理論作為一種新興的圖像模型，能夠用盡可能簡潔的方式表示圖像，目前已經(jīng)引起國內(nèi)外廣大學(xué)者的普遍關(guān)注，是當(dāng)前的研究熱點(diǎn)與難點(diǎn)。

沈教授表示：“現(xiàn)實(shí)中，每一天我們收集起來的各種數(shù)據(jù)繁雜到超出我們的直覺想象，很難想象人們可以對這些復(fù)雜的數(shù)據(jù)給出簡單的刻畫，以至于僅僅通過求解幾個數(shù)學(xué)方程式，就能解決現(xiàn)實(shí)生活中的實(shí)際問題。但我們可以退而求其次：以各種各樣具有廣泛實(shí)用性的數(shù)學(xué)模型來粗略（未必那么精確）地逼近我們所尋求的答案。”

隨后，當(dāng)選歐洲科學(xué)院外籍院士的中國科學(xué)院自動化研究所蔣田仔教授，發(fā)表了演講《腦網(wǎng)絡(luò)組圖譜及其在理解認(rèn)知和疾病中的應(yīng)用》。

目前，腦圖譜的結(jié)構(gòu)和功能研究主要分為三個方向：神經(jīng)元、神經(jīng)元群和腦區(qū)，其中最重要的研究方向就是腦區(qū)。

蔣田仔教授指出，現(xiàn)在的算力還無法滿足神經(jīng)元、神經(jīng)元群這樣的微觀角度研究，更多的腦圖譜研究集中在宏觀領(lǐng)域。

但截止現(xiàn)在，腦區(qū)研究還沒有完成所有腦區(qū)的繪制，許多腦區(qū)劃分依據(jù)大體解剖標(biāo)志，許多功能復(fù)雜腦區(qū)的功能亞區(qū)邊界還不明確，而且既往腦圖譜基本來源于西方人數(shù)據(jù)，不具備東方人特征。

近些年，隨著腦影像數(shù)據(jù)采集設(shè)備和技術(shù)的進(jìn)步，像高場強(qiáng)磁共振成像在活體上的應(yīng)用、彌散張量成像技術(shù)的發(fā)展，為腦網(wǎng)絡(luò)組圖譜繪制提供了新的技術(shù)基礎(chǔ)。

蔣田仔的團(tuán)隊(duì)，基于這樣的新技術(shù)提出利用腦連接信息構(gòu)建腦圖譜的新思想、針對不同腦區(qū)的亞區(qū)劃分方案，實(shí)現(xiàn)了腦網(wǎng)絡(luò)組圖譜更精細(xì)的腦區(qū)劃分。

相較于傳統(tǒng)解剖學(xué)方法構(gòu)建的腦圖譜（利希細(xì)胞構(gòu)筑腦圖譜），其研發(fā)的首版腦網(wǎng)絡(luò)組圖譜包含了共252個大腦皮層腦區(qū)與皮層下核團(tuán)結(jié)構(gòu)，而且在體定量描繪不同腦區(qū)、亞區(qū)解剖與功能連接模式，并對每個亞區(qū)進(jìn)行了細(xì)致的功能描述。

瑞士工程科學(xué)院院士Michael Unser也在大會進(jìn)行了演講，其演講主題為《From model-based to data-based medical image reconstruction》。

作為瑞士洛桑聯(lián)邦理工學(xué)院教授，他在生物醫(yī)學(xué)圖像處理、對采樣理論、多分辨率算法的圖像處理使用等領(lǐng)域，都有著豐富的研究經(jīng)驗(yàn)。

他在演講中指出，圖像重建算法已經(jīng)歷線性、線性和非線性交替方向乘子法兩次迭代，未來第三代的方法中，對于提高圖像質(zhì)量解決方案是保留ADMM算法線性部分，還是用深度學(xué)習(xí)卷積網(wǎng)絡(luò)代替重建迭代部分，在行業(yè)內(nèi)已經(jīng)爆發(fā)激烈的討論，可以肯定的是深度學(xué)習(xí)技術(shù)將在其中發(fā)揮核心作用。

關(guān)于未來醫(yī)學(xué)圖像重建趨勢，他認(rèn)為將向四個發(fā)展：實(shí)現(xiàn)更快、更高分辨率、更低劑量的圖像；找尋新方法的同時借鑒圖像重建經(jīng)驗(yàn)；更大數(shù)量級的高質(zhì)量數(shù)據(jù)庫；解決目前行業(yè)公認(rèn)的難題。

醫(yī)工結(jié)合，聚焦前沿技術(shù)創(chuàng)新

MichaelI.Miller被譽(yù)為“計(jì)算解剖學(xué)”創(chuàng)始人。作為此次大會的開場嘉賓，神經(jīng)退行性疾病計(jì)算醫(yī)學(xué)的開創(chuàng)者、約翰霍普金斯大學(xué)Michael I.Miller，做了開場演講《MeasureRepresentations of the Brain Unifying Molecular and Tissue Continuum Scales》

他表示，繪制地圖是我們了解世界的基礎(chǔ)，了解大腦同樣也需要繪制大腦地圖，對從個體人腦數(shù)據(jù)到人群中腦數(shù)據(jù)進(jìn)行形態(tài)和功能的分析，需要研究數(shù)學(xué)方法和有效的計(jì)算手段，計(jì)算神經(jīng)解剖學(xué)在20世紀(jì)80年代出現(xiàn)，將大腦結(jié)構(gòu)與功能認(rèn)識帶入了新的階段。

在大腦里，計(jì)算神經(jīng)解剖學(xué)能讓我們讀出認(rèn)知狀態(tài)，基于解剖學(xué)和成像模型的醫(yī)學(xué)圖像分割方法可以應(yīng)對包括帕金森、阿爾茲海默病、亨廷頓氏病等機(jī)體神經(jīng)元結(jié)構(gòu)或功能逐漸喪失而引發(fā)神經(jīng)退行性疾病。

他還介紹了阿爾茲海默病中神經(jīng)原纖維糾纏區(qū)域三維重建的科研進(jìn)展，神經(jīng)細(xì)胞內(nèi)神經(jīng)原纖維纏結(jié)(neurofibrillarytangles, NFTs)是阿爾茲海默病的神經(jīng)病理學(xué)特征之一。但也累積在其他神經(jīng)退行性疾病中，如慢性創(chuàng)傷性腦病和其他與年齡相關(guān)的疾病，為阿爾茲海默病的診斷造成了困難。

近些年，機(jī)器學(xué)習(xí)專家紛紛致力于用AI方法從數(shù)字化圖像中識別神經(jīng)原纖維纏結(jié)。

緊接著，中國科學(xué)院自動化研究所、北航-首醫(yī)大數(shù)據(jù)精準(zhǔn)醫(yī)療高精尖創(chuàng)新中心主任田捷教授，帶來《醫(yī)學(xué)影像中的AI算法和研究熱點(diǎn)》的演講。

田捷教授表示，在醫(yī)學(xué)影像領(lǐng)域，人工智能顯著提升了圖像重建質(zhì)量，使數(shù)據(jù)改變圖像質(zhì)量成為了可能。

他將基于深度學(xué)習(xí)的影像智能診斷分為三個階段：面向重大疾病精準(zhǔn)診斷、療效評估和預(yù)后預(yù)測臨床挑戰(zhàn)；提出多尺度、多模態(tài)信息融合的影像大數(shù)據(jù)智能分析方法；顯著提升影像輔助重大疾病診療準(zhǔn)確性、改善患者愈后。

在前兩個階段中，田捷列舉了深度學(xué)習(xí)超聲影像組學(xué)、卷積神經(jīng)網(wǎng)絡(luò)預(yù)后模型、遷移學(xué)習(xí)、全自動深度學(xué)習(xí)模型等多種技術(shù)手段和應(yīng)用場景。

他指出：“未來的醫(yī)療人工智能會進(jìn)化到AI的4.0時代，進(jìn)一步加速智能診斷，實(shí)現(xiàn)數(shù)據(jù)到知識的直接轉(zhuǎn)化?！?/p>

第三位醫(yī)工專家是國際互聯(lián)網(wǎng)信息系統(tǒng)工程協(xié)會（WISE學(xué)會）主席、維多利亞大學(xué)張彥春教授，他發(fā)表了主題為《醫(yī)學(xué)大數(shù)據(jù)挖掘及AI在神經(jīng)健康疾病輔助檢測診斷及健康管理應(yīng)用》的演講。

張彥春指出，醫(yī)療大數(shù)據(jù)+人工智能的關(guān)鍵技術(shù)包括計(jì)算機(jī)視覺、語音、語言和認(rèn)知能力等等，將這些能力對應(yīng)到醫(yī)療領(lǐng)域，醫(yī)療AI將具有各種形式的對話能力，可以快速加工大量醫(yī)療和病患信息，提高醫(yī)生效率。

隨后，他重點(diǎn)介紹了腦電圖分析與睡眠健康及癲癇檢查的研究進(jìn)展，將心電監(jiān)測預(yù)警和AI進(jìn)行結(jié)合，通過擾動數(shù)據(jù)生成對抗樣本獲取大量訓(xùn)練樣本，獲取醫(yī)生手術(shù)時的相關(guān)數(shù)據(jù)，分析心電、血氧等數(shù)據(jù)的變化趨勢，將其投入卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，從而發(fā)現(xiàn)異常，做出預(yù)警，實(shí)現(xiàn)了睡眠健康及癲癇檢查的自動觀察。

第四位醫(yī)工嘉賓是IEEE TIP副主編、美國弗吉尼亞大學(xué)Gustavo Rohde教授，他的演講主題為《Optimal transport inbiomedical imaging》。

Rohde教授主要為生物學(xué)和醫(yī)學(xué)的研究開發(fā)深度學(xué)習(xí)算法。近些年，他先后研發(fā)適合識別診斷骨關(guān)節(jié)炎的AI算法等學(xué)術(shù)成果，并在今年3月獲得美國國立衛(wèi)生研究院的專項(xiàng)研發(fā)經(jīng)費(fèi)。

他在演講中介紹了利用累積分布變換（CDT）估計(jì)信號模型參數(shù)的新方法，該方法將被測信號和模型信號之間的Wasserstein距離最小化，證明了非線性和線性最小二乘之間的轉(zhuǎn)化現(xiàn)象。

第五位醫(yī)工專家是南加州大學(xué)Keck醫(yī)學(xué)院、Mark and Mary Stevens神經(jīng)影像與信息學(xué)研究所PaulM.Thompson教授。

他主要介紹了全球最大的腦圖譜項(xiàng)目——ENIGMA，這是Paul M.Thompson和澳大利亞昆士蘭醫(yī)學(xué)研究院遺傳學(xué)家NicholasMartin合作發(fā)起，旨在利用共享腦掃描圖像和遺傳數(shù)據(jù)方式擴(kuò)大研究人群，使大腦結(jié)構(gòu)同遺傳變異和疾病之間建立廣泛聯(lián)系。

在第一個項(xiàng)目中，ENIGMA同另一個中心合作，分析了2.1萬人的大腦掃描圖像和DNA，并將特定基因同人腦大小和智力聯(lián)系起來，例如，擁有HMGA2基因特定變異體的人具有更大的大腦，并且在標(biāo)準(zhǔn)智力測試中得分比普通人高出1.29分。

目前，該項(xiàng)目已經(jīng)匯集到45個國家的研究數(shù)據(jù)，對10萬人的大腦掃描圖像和遺傳數(shù)據(jù)展開分析。

最后一位醫(yī)工嘉賓是北美放射學(xué)會(RSNA)物理學(xué)分會理事，美國埃默里大學(xué)唐向陽教授。

作為醫(yī)療成像研究領(lǐng)域的專家，唐向陽教授重點(diǎn)介紹了新一代計(jì)算機(jī)的能譜斷層掃描（光子計(jì)數(shù)檢測器CT掃描儀）。

能譜CT作為一種新型CT成像方法，借助于光子計(jì)數(shù)探測器、快速kvp切換等技術(shù)，可以獲取多個能譜下物質(zhì)的投影數(shù)據(jù)，通過物質(zhì)分解算法計(jì)算出物質(zhì)的電子密度、等效原子序數(shù)等信息，從而進(jìn)行物質(zhì)識別、實(shí)現(xiàn)多物質(zhì)的成分分解成像，對成像質(zhì)量提高，圖像的信噪比改善，降低輻射劑量有著重要意義，目前已經(jīng)成為各大影像器械廠商的主要發(fā)展方向之一。

AI產(chǎn)品審批井噴，暢談商業(yè)化破局

2020年，已經(jīng)有8款影像AI產(chǎn)品獲批NMPA三類注冊證，當(dāng)今的產(chǎn)品成熟度現(xiàn)狀和未來產(chǎn)業(yè)化趨勢，已成為行業(yè)的日常話題之一。

在大會中，中國醫(yī)學(xué)影像AI產(chǎn)學(xué)研用創(chuàng)新聯(lián)盟理事長、長征醫(yī)院影像醫(yī)學(xué)與核醫(yī)學(xué)科主任劉士遠(yuǎn)教授，以《中國醫(yī)學(xué)影像AI應(yīng)用實(shí)踐與趨勢》為題發(fā)表演講。

劉士遠(yuǎn)教授指出，深度學(xué)習(xí)掀起的智能化潮流引發(fā)了醫(yī)學(xué)影像場景重構(gòu)，以及工作流程的改變，被嵌入至前臺預(yù)約、技師掃描圖像后處理、診斷報告、放療計(jì)劃等多個環(huán)節(jié)，減輕了醫(yī)生工作負(fù)荷。

他表示，未來的醫(yī)療AI產(chǎn)品，將不僅僅面向醫(yī)生，可以衍生出面向患者的智能報告解讀、面向技師的造影劑劑量自動計(jì)算、面向管理的智能影像質(zhì)控、面向科教的智能教學(xué)輔助、面向區(qū)域聯(lián)動的MDT等不同的發(fā)展方向。AI產(chǎn)品將不再被束之高閣，可以解決更多醫(yī)學(xué)底層實(shí)際問題。

首都醫(yī)科大學(xué)附屬北京朝陽醫(yī)院放射科副主任楊旗教授，發(fā)表了演講《基于人工智能腦血管病輔助診斷決策系統(tǒng)建立及實(shí)踐》

楊旗教授指出，我國腦卒中防控形勢十分嚴(yán)峻，腦血管致死率居所有疾病首位，影像科醫(yī)生對于腦卒中診斷的關(guān)注點(diǎn)可分為五項(xiàng)：梗死核心體積；是否存在缺血半暗帶；是否存在側(cè)支循環(huán)；血管狹窄或閉塞的位置；治療后出血風(fēng)險。

楊旗教授分享了斯坦福大學(xué)研發(fā)的腦卒中人工智能影像分析平臺——RAPID。

RAPID作為領(lǐng)先的腦灌注和彌散圖像可視化處理軟件，已獲得FDA批準(zhǔn)用于機(jī)械取栓患者篩選，在全球40余個國家的1000多家中心應(yīng)用，掃描次數(shù)超過25萬例/年。

楊旗教授表示，希望未來中國的腦卒中AI產(chǎn)品，將不再需要醫(yī)生去標(biāo)數(shù)據(jù)，一點(diǎn)點(diǎn)訓(xùn)練模型，進(jìn)行成百上千的樣本量測試、迭代；能夠?qū)崿F(xiàn)自動學(xué)習(xí)影像知識，向不需要醫(yī)生干預(yù)就能給出準(zhǔn)確結(jié)果的方向發(fā)展。

作為廣東省人民醫(yī)院放射科主任，劉再毅教授也以《對影像AI研究和臨床應(yīng)用的幾點(diǎn)思考》為題，發(fā)表了自己對于AI發(fā)展的看法。

劉再毅指出，放射科醫(yī)生這個職業(yè)已經(jīng)有100多年歷史，在一次次技術(shù)革新之后不斷壯大，如今這次AI革新，給這個職業(yè)的未來，造成了很多變數(shù)，為此像Andrew Ng、Harold Pimentel等了解影像的算法專家也都在思考放射科的未來出路。

從實(shí)際情況出發(fā)，他認(rèn)為影像AI取代醫(yī)生還存在五項(xiàng)挑戰(zhàn)；影像AI軟件功能和應(yīng)用場景單一；臨床易用性和可解釋性還存在不足；政策監(jiān)管和責(zé)任主體界定還不明確；AI倫理問題（醫(yī)療算法中的種族偏見、醫(yī)療服務(wù)中的隱性歧視、機(jī)器學(xué)習(xí)系統(tǒng)背后意圖、醫(yī)療團(tuán)隊(duì)和患者間差異）；衛(wèi)生經(jīng)濟(jì)學(xué)評價和臨床技能培訓(xùn)還沒有建立。

AlphaFold2：四位專家的“結(jié)構(gòu)生物學(xué)”大討論

近日，AlphaFold2在生物學(xué)領(lǐng)域取得了重要突破：通過蛋白質(zhì)的氨基酸序列高精度地確定其3D結(jié)構(gòu)。

對于這一生物學(xué)和機(jī)器學(xué)習(xí)交叉的前沿?zé)狳c(diǎn)，ISICDM 2020還專門開辟了一場線上圓桌論壇。黃昆（印第安納大學(xué)）、許東（密歇根大學(xué)教授）、張陽（I-TASSER算法發(fā)明人）、許錦波（斯隆獎得主）參與了分享和討論。

論壇引起了國內(nèi)外各界人士的強(qiáng)烈興趣，在線直播觀看人數(shù)超1.6萬。

對于AlphaFold2蛋白質(zhì)預(yù)測的實(shí)際意義，許東教授表示：“這次AlphaFold2，最主要實(shí)現(xiàn)了魯棒性，能夠得到很穩(wěn)定、很好的結(jié)果。過去從來沒有團(tuán)隊(duì)做到。從技術(shù)上講，我們有一個打分機(jī)制，基于多少個氨基酸預(yù)測到位來評分。

一般蛋白質(zhì)預(yù)測需要達(dá)到90%及以上的準(zhǔn)確率，才能算預(yù)測得比較有用。這次AlphaFold2已經(jīng)達(dá)到了平均92.4，幾乎和實(shí)驗(yàn)結(jié)果差不多。今后，AlphaFold預(yù)測出來的結(jié)果，就可以和MR、冷凍電鏡的方法相媲美?！?/p>

但是，AlphaFold2不是一件完美的作品，不能完全解決蛋白質(zhì)結(jié)構(gòu)預(yù)測的所有問題。

張陽教授表示，AlphaFold2接近于解決了單結(jié)構(gòu)域的蛋白質(zhì)結(jié)構(gòu)預(yù)測問題，預(yù)測精度很高。很多媒體中提到它的中位數(shù)值是0.92，即大致有一半的模型是超過0.9，接近或者達(dá)到實(shí)驗(yàn)的精度。但是，還有接近一半的蛋白質(zhì)預(yù)測沒有達(dá)到這個精度。因此，要完全解決蛋白質(zhì)結(jié)構(gòu)預(yù)測的問題，仍然需要很多工作。

AlphaFold2問世后，結(jié)構(gòu)生物學(xué)的哪些方向會受到影響，許錦波教授也發(fā)表了看法。

他表示：用計(jì)算的方法來做蛋白質(zhì)結(jié)構(gòu)預(yù)測，影響會越來越大，僅僅簡單的解結(jié)構(gòu)，以后可以直接用軟件去解決。同時，AlphaFold2可以用來提高效率，便于研究者專注于研究結(jié)構(gòu)、功能。做單鏈的蛋白質(zhì)結(jié)構(gòu)預(yù)測，這方面的人員會變少。

但軟件不是萬能的，許錦波教授指出，有40%的蛋白質(zhì)的結(jié)構(gòu)預(yù)測不是非常準(zhǔn)確，且效率也存在問題。

當(dāng)下還不明確AlphaFold2如何處理數(shù)據(jù)，會不會開源等。所以，許錦波教授提出，至少在學(xué)術(shù)界需要一個與之相競爭的軟件，結(jié)構(gòu)預(yù)測還有許多問題值得研究，并不會造成所有人失業(yè)。

立足臨床問題，實(shí)現(xiàn)理工醫(yī)交叉融合

本次研討會還舉行了ISICDM 2020挑戰(zhàn)賽的決賽，共有低劑量CT圖像質(zhì)量優(yōu)化、MR加速成像、肺部組織分割三大項(xiàng)目組成，評審將由醫(yī)院臨床、影像科醫(yī)生、產(chǎn)業(yè)界專家、以及學(xué)術(shù)界專家等共同組成，從最實(shí)用的評審角度提供最專業(yè)的指導(dǎo)意見。

挑戰(zhàn)賽是ISICDM一直沿襲的特色之一，將工程人員的成果放在醫(yī)學(xué)人員的面前，接受實(shí)戰(zhàn)場景的檢驗(yàn)。這也是這場研討會的核心目的：解決臨床問題，滿足醫(yī)生和病人的需求。

自2017年創(chuàng)立以來，ISICDM共邀請到400余位大會報告及專題報告嘉賓，其中包括中、美、英、加等多個國家的的科學(xué)院/工程院院士，ACM、IEEE、AIMBE等學(xué)會Fellow，CVPR、ICCV、MICCAI大會主席，以及MRI、MedicalImage analysis、IEEE TBME、IEEETIP主編和TPAMI、IJCV、IEEE TIP、IEEE TMI副主編。

ISICDM 2019大會共同主席James Duncan曾說到，“我們所處的領(lǐng)域，理工一旦離開醫(yī)，本質(zhì)上就是閉門造車。而醫(yī)在整個流程中扮演的角色越來越重要，因此學(xué)術(shù)界乃至產(chǎn)業(yè)界偶爾需要ISICDM這樣的研討會，讓理工醫(yī)專家們?nèi)￠L補(bǔ)短，互通有無，推動理工醫(yī)交叉的長期發(fā)展?！?/p>

ISICDM發(fā)起人、電子科技大學(xué)李純明教授向醫(yī)健A掘金志表示，“我們一直秉承‘促進(jìn)理工醫(yī)交叉融合，激發(fā)產(chǎn)學(xué)研協(xié)同創(chuàng)新’的理念。無論未來的技術(shù)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(xué)研協(xié)同創(chuàng)新’永遠(yuǎn)是這一領(lǐng)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是無窮無盡的?！?/p>

原文標(biāo)題：第四屆ISICDM大會閉幕：77場專題報告，四大焦點(diǎn)話題，審視醫(yī)學(xué)AI的理工醫(yī)跨界融合

文章出處：【微信公眾號：IoT科技評論】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。

責(zé)任編輯：haq