【預告】『醫學影像與人工智慧』講習班開始報名

醫學成像的發展是當前尖端科技的一個側面，是物理、數學、電子技術、計算機和醫學等多個學科的綜合。同時，以深度學習為代表的人工智慧技術近年來引人矚目，為醫學成像、影像分析提供了新的方法與手段。人工智慧技術已經滲入到影像重建、影像分割、影像配準、影像處理及分析等各個方面。以另一角度看，幾年來，人工智慧與CT成像、MRI、超聲、核醫學及光學成像相結合的例子層出不窮。 

第11期CSIG影像圖形學科前沿講習班（Advanced Lectures on Image and Graphics，簡稱IGAL）將於2019年6月15日-16日在杭州舉辦，本期講習班主題為“醫學影像與人工智慧”，由浙江大學劉華鋒教授擔任學術主任，邀請醫學影像與人工智慧領域的知名專家作特邀報告，使學員在瞭解學科前沿、提高學術水平的同時，增強與國內外頂尖學者的學術交流。

主辦單位

中國圖象圖形學學會

承辦單位

中國圖象圖形學學會醫學影像專業委員會

浙江大學現代光學儀器國家重點實驗室

支援單位

馬上科普教育科技有限公司

時間地點

2019年6月15日-16日

浙江大學玉泉校區-周亦卿科技大樓一樓會議室

學術主任

劉華鋒

浙江大學教授

中國圖象圖形學學會醫學影像專業委員會主任

劉華鋒，浙江大學教授，曾擔任醫學成像香山科學會議主席，多屆MICCAI程式委員會委員。獲國際學術獎項5次，獲得浙江省自然科學二等獎（排名1）。正在主持國家重大科研儀器專案，科技部重點研發專案，國家自然科學基金聯合專案，做為負責人主持過973課題，國家自然基金面上專案等。主要研究興趣為具有非線性、隨機性、不確定性、多層次等特點的心臟系統的建模、動力學分析及PET成像提供新理論、新方法。發表論文120餘篇，獲授權美國專利3項，中國發明專利20餘項。

特邀講者

陳韻梅

美國佛羅里達大學終身教授

報告題目：Extra Proximal-Gradient Inspired Non-local Network for Image Reconstruction

摘要：Variational method and deep learning method are two mainstream powerful approaches to solve inverse problems in computer vision. To take advantages of advanced optimization algorithms and powerful representation ability of deep neural networks, we propose a novel deep convolutional  neural network for image reconstruction. The architecture of this network is inspired by our proposed accelerated extra proximal gradient algorithm with the incorporation of two types of prior-exploiting operations.  They are a non-local operation to exploit the inherent non-local self-similarity of the images, and a sparsity-promoting operation to learn the nonlinear transform, under which the solution is sparse. Our experimental results showed that the proposed CNN outperforms several state-of-the-art deep neural networks with similar or even less number of learnable parameters.

簡介：陳韻梅，美國佛羅里達大學終身教授、傑出教授，影像處理科學家。致力於數學、影像處理和機器學習等交叉學科的研究，研究領域涉及醫學影像分析中的數學模型的建立與數值最佳化方法的發展，而且對其中潛在的數學理論進行了深入的研究。曾獲中華人民共和國國家自然科學三等獎、中華人民共和國教育部科技進步一等獎，獲國際發明專利9項，主持美國國家級專案20餘項，發表學術論文200餘篇，其中多篇具有重要影響的學術論文發表於《InventionesMathematicae》、《Communications on Pure and Application Mathematics》、《SIAM Journal on Imaging Sciences》、《SIAM Journal on Optimization》和《SIAM Journal on Applied Mathematics》等國際期刊。

盧虹冰

空軍軍醫大學教授

報告題目：Towards radiomic prediction model for cancer screening

摘要：Tumor staging, histopathological grade and recurrence are the most important prognostic factors. Anatomic magnetic resonance imaging (MRI) techniques have shown potential to determine tumor location and invasion, while functional MRI techniques, especially the diffusion-weighted (DW) imaging and associated apparent diffusion coefficient (ADC), have exhibited capability in assessing biological behaviors such as cellularity and demonstrated their usefulness in cancer management, especially in grade assessment. In this report, a non-invasive radiomics strategy which conjuncts texture-based image signatures, like histogram and GLCM textures derived from T2 weighted MRI images and their high-order derivative maps, DW images and corresponding ADC maps, with machine learning-based classification such as a SVM classifier and deep learning techniques, has been proposed for the differentiation of muscular invasiveness and cancer grades preoperatively. Preliminary experiments with multimodal MRI datasets acquired from patients with clinicopathologically confirmed cancer (including bladder, colorectal cancer and gliomas) verify the feasibility of the proposed radiomic strategy.

簡介：盧虹冰，空軍軍醫大學生物醫學工程系教授，主任，博士生導師，長期從事醫學成像與智慧分析研究，作為專案負責人近五年共承擔國家重點研發專項、國家自然科學基金重點、國家科技支撐計劃重大子課題、軍隊後勤科研重點專案等7項，第一完成人獲陝西省科學技術一等獎1項；已在行業權威期刊Biomaterials, IEEE TMI, IEEE Trans Biomed Eng, ACS Appl Mater Interfaces, Euro Radiol等發表SCI論文70餘篇，單篇最高引用近400次；獲國家發明專利11項，美國專利1項，軟體著作權5項；獲 “國務院政府特殊津貼”、“軍隊優秀專業技術人才一類崗位津貼”等獎勵。現任中國生物醫學工程學會理事、中國圖象圖形學學會理事、陝西生物醫學工程學會理事長等職，IEEE Trans Med Imag、《中國生物醫學工程學報》等雜誌編委。

厲力華

杭州電子科技大學教授

報告題目：腫瘤影像學智慧化診療---一點回顧、進展及思考

摘要：本報告將以乳腺腫瘤為例，在三個維度上對基於影像的腫瘤智慧化診療研究發展進行比較系統的分析和回顧，其中包括傳統的計算機輔助檢測與診斷方法在臨床應用上的發展、以精準化為目標的影像組學/影像基因組學方法、以及基於深度學習的腫瘤智慧診療方法等目前國際上在智慧化診療領域的研究熱點問題。

簡介：厲力華（LIHUA LI），博士，教授。國家傑出青年科學基金獲得者，“新世紀百千萬人才工程”國家級人選，浙江省科技發展諮詢委員會委員、之江實驗室學術諮詢委員會委員。曾在美國南佛羅里達大學工作多年，任職副教授。發表科研論文和國外著作章節200多篇（章），獲授權專利20餘項，其中兩項美國專利被公司所採用併產業化。2012年獲中國僑界貢獻獎（創新人才）。現主持國家自然科學基金重點專案、國家重點研發計劃專案課題、國家自然科學基金聯合基金重點專案（合作）等。

陳新建

蘇州大學特聘教授

報告題目：視網膜醫學影像處理與分析

摘要：視網膜疾病是眼科疾病中最為嚴重的一種，多模態醫學影像如眼底彩照、OCT等，為視網膜疾病的診斷、治療和預防提供了關鍵技術支援。本報告圍繞基於人工智慧的視網膜疾病診斷與分析進行展開。報告將主要介紹基於深度學習的方法和基於圖論的方法，及其在多種視網膜疾病的應用，如老年性黃斑病變，糖尿病性視網膜病變，青光眼等疾病上的診斷與量化分析。

簡介：陳新建，蘇州大學特聘教授、博導，國家青年千人計劃、國家優秀青年基金獲得者、青年973首席科學家。現為醫學領域頂級期刊IEEE TMI、IEEE JTEHM等副主編，IEEE高階會員，中國生物醫學工程青年委員會副主任委員。截至目前共發表100多篇國際頂級期刊/會議論文，申請/授權國際國內專利30餘項；獲得江蘇省科技進步二等獎1項（2018，排名第一），中國國家科學技術進步二等獎1項，北京市科學技術獎二等獎2項和資訊產業部重大技術發明獎1項。

樑棟

中國科學院深圳先進技術研究院研究員

報告題目：基於深度學習的快速磁共振成像

摘要：磁共振成像是目前醫學成像技術中功能最強大，技術門檻最複雜的技術之一。然而，相對其他成像模態較為緩慢的採集速度（較長的掃描時間）制約了磁共振成像在臨床上的廣泛應用。藉助取樣樣本的數量與掃描時間的正比關係，透過減少採集的資料量（稀疏取樣）來縮短磁共振採集時間是快速磁共振成像領域的研究熱點。本報告將重點介紹基於深度學習的快速磁共振成像領域的研究工作。

簡介：樑棟博士，研究員，博導，現任中國科學院深圳先進技術研究院醫工所所長助理、醫學人工智慧研究中心主任、勞特伯生物醫學成像研究中心副主任；主要研究方向是訊號處理、機器學習和生物醫學成像，迄今為止發表SCI/EI論文百餘篇，授權發明專利28項，其中兩項發明專利轉移到上海聯影。目前主持國家自然科學基金、國家重點研發計劃課題、廣東省重點研發專項等多個科研專案。現擔任國家地方聯合“高階醫學影像技術與裝備”工程實驗室常務副主任，廣東省生物醫學成像工程技術研究中心主任，IEEE Transactions on Medical Imaging Associate Editor， Magnetic Resonance in Medicine編委，Quantitative Imaging in Medicine and Surgery編委。2012年入選中國科學院青年創新促進會，榮獲2018年度王天眷波譜學獎。中國生物醫學工程學會青年工作委員會副主任委員，中國圖象圖形學學會醫學影像專委會委員，中華醫學會放射學分會磁共振物理與工程學組委員，中國醫學裝備協會 磁共振應用專業委員會。

羅建文

清華大學特別研究員

報告題目：基於超聲彈性成像的頸動脈粥樣易損斑塊檢測

摘要：超聲頸動脈彈性成像透過測量頸動脈粥樣硬化斑塊在血壓作用下的運動和形變，推測斑塊彈性或成分分佈，進而預測斑塊破裂風險。本研究比較了基於互相關與基於光流法的彈性成像演算法，選取最佳化的方法獲得可靠的斑塊應變估計；並使用磁共振成像作為在體的參考標準，驗證頸動脈彈性成像診斷易損斑塊的能力。結果證明了斑塊應變率的大小可用於有效地區分穩定和易損斑塊。進一步，本文基於灰度共生矩陣，定量提取了斑塊應變率影像的空間分佈紋理特徵；間接反映斑塊彈性或硬度分佈的空間不均勻性等資訊。研究結果證明了高危斑塊的應變率分佈更加地不均勻。因此，結合斑塊彈性成像的幅度和紋理特徵，或可為頸動脈粥樣硬化斑塊提供更全面的評價資訊。

簡介：清華大學特別研究員，長聘副教授，博士生導師。發表SCI論文145篇。2012年入選中組部青年千人計劃。2013年獲國家自然科學基金優秀青年科學基金專案資助。2016年獲國家重點研發專案青年科學家專題專案資助。擔任IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control期刊Associate Editor，Journal of Ultrasound in Medicine期刊編委，IEEE生物醫學工程分會（EMBS）生物醫學與影像處理（BIIP）技術委員會委員，IEEE國際超聲論壇 (IUS) 技術委員會委員。擔任德國DFG、法國ANR、比利時FWO、國家重點研發計劃、科技部創新人才推進計劃、教育部長江學者獎勵計劃評審專家。

楊光

帝國理工醫學院高階研究員

報告題目：機器增強智慧在心臟核磁中的應用

摘要：深度學習作為人工智慧（Artificial Intelligence）的一個重要分支在資料分析方面正在呈現持續增長的趨勢，並被稱為 2013 年的 10 項突破性技術之一。它是對神經網路的改進，包含更多的計算層，從而能夠在資料中進行更高層次的抽象和預測。到目前為止，它正成為通用成像和計算機視覺領域領先的機器學習工具。就在今年3月份國際計算機學會ACM決定將2018年ACM A.M.圖靈獎授予約書亞·本吉奧(Yoshua Bengio)、傑弗裡·辛頓(Geoffrey Hinton)和楊樂昆(Yann LeCun) 三位深度學習之父，以表彰他們給人工智慧帶來的重大突破，這些突破使深度神經網路成為計算的關鍵組成部分。毋庸置疑，在醫療領域特別是醫學影像資料的處理分析方面，深度學習取得了一些重要成果，然而如何將這些成果轉化到臨床實際應用中依然還有一道無法逾越的鴻溝。楊光博士的研究將圍繞在機器增強智慧（Augmented Intelligence）在醫療領域的應用上，而非使用廣義的人工智慧（Artificial Intelligence）技術。這次演講的主題將集中在機器增強智慧在心臟核磁中的應用上，楊光博士將講解其現有技術、突破以及展望。

簡介：楊光博士是倫敦大學學院醫學物理及計算機專業碩士、博士。現任帝國理工醫學院高階研究員，英國皇家布朗普頓醫學院心臟血管研究中心醫學影像高階工程師，倫敦大學聖喬治醫學院榮譽講師，杭州帝工先進技術研究院執行院長，博士生導師。楊光博士長期專注於醫療大資料以及醫學影像的成像和分析方面的研究，在各類期刊會議上發表論文 70餘篇，其中包括SCI論文16篇，並且擁有2項核磁共振影像處理的國際專利。楊光博士是《深度學習:一起玩轉TensorLayer》（ 電子工業出版社 ）一書的主要作者。楊光博士是美國電氣和電子工程師協會會員，美國國際光電學工程協會會員以及英國機器視覺協會會員。Medical Physics 雜誌臨時副主編。

張賀曄

中山大學教授

報告題目：計算機建模及醫學影像智慧處理

摘要：本報告將重點介紹基於深度學習的快速磁共振成像領域的研究工作。心腦血管疾病一直是危害國民健康的重大臨床挑戰，臨床共識指出心腦血管疾病需要進行個性化的精準診療，這就需要從病人個體的健康資訊中提取出可靠的量化指標。該報告將講述我們如何使用計算建模及影像處理的工程技術，從心臟影像中提取出評估冠心病生理狀態的量化指標，並應用於臨床診斷的過程。

簡介：張賀曄教授主要從事健康資訊學定量分析研究工作，以臨床健康資訊需求為驅動，推動並發展了一系列健康資訊定量分析的技術與方法。截止目前，發表學術論文78篇（第一或通訊作者41篇），其中SCI檢索論文42篇（第一或通訊作者23篇），包括Medical Image Analysis 4篇（通訊作者），MICCAI 12篇，4篇ESI高被引和一篇ESI熱點文章，主持一項NSFC聯合基金重點專案和麵上專案，申請或授權中國發明專利5項，獲吳文俊人工智慧科學技術創新獎三等獎（唯一人）。

日程安排

報名及註冊費

1、本期講習班限報150人，根據繳費先後順序錄取，報滿為止。

2、2019年6月9日（含）前註冊並繳費：CSIG會員1600元/人，非會員報名同時加入CSIG 2000元/人（含1年會員費）；同一單位組團（5人及以上）報名，均按CSIG會員標準繳費；CSIG團體會員參加，按CSIG會員標準繳費；6月10日以後及現場註冊：會員、非會員均為3000元/人。

3、註冊費包括講課資料和2天會議期間午餐，其它食宿、交通自理。

報名方式

1、登入系統：http://conf.csig.org.cn/fair/354 點選閱讀原文直達報名系統

2、掃碼報名：

注：兩種方式，任意選擇一種。

聯絡方式

聯絡人：駱老師  張老師

聯絡電話：010-82544676  18510866934（微信同號）

郵箱：igal@csig.org.cn