西安交通大学数学与统计学院信息科学系孙剑教授2019年2月26日MICS在线学术讲座成功举办！
医学图像计算青年研讨会（Medical Imaging Computing Seminar，MICS）创立于2014年，其宗旨是为医学图像领域的华人青年学者提供学术交流平台，增进相互之间的了解和友谊，帮助青年学者融入学术研究大家庭。MICS聚焦于近两年内的医学图像计算领域原创研究，欢迎医学图像处理、计算机视觉、人工智能等新理论、新方法、新应用的展示，以及影像与临床医学、基础医学深度交叉的突破性进展报告。
首届MICS在医学图像领域著名学者、北卡罗来纳大学教堂山分校沈定刚教授的倡议下，于2014年12月在深圳大学举行。经过2015（济南）、2016（广州）、2017（上海）、2018（南京）的蓬勃发展，MICS从参会人数不足百人到吸引上千名专家学者参与，已迅速成为全国医学图像计算领域最具影响力的活动之一。
第六届医学图像计算青年研讨会将于2019年7月13-14日在苏州大学举办。在此，谨对本领域专家学者长期以来的大力支持表示感谢，并欢迎广大青年学者莅临苏州大学，积极参与MICS 2019，共同繁荣MICS大家庭！
在本次Webinar中，孙剑教授基于其团队近几年的研究成果，介绍了基于模型驱动的深度学习方法，包括MRI图像重构、跨模态图像生成、Multi-atlas MRI图像分割，以及图像去雾、优化方法等方面的内容。最后孙剑教授回答了观众所提出的相关问题。
问答环节
- 问：MR CT的训练数据来自哪里？如何保证MR和CT空间位置的对应？答：数据来自校外合作方，空间位置对应确实很重要，合作方帮忙做到了。
- 问：label fusion的时候，使用的label可以是基于attention生成的而不是手动画的吗？
答：最好还是用专家手动标注的。 - 问：老师有没有研究过细胞染色分割？这种一般采用深度学习的方法 还是传统的方法比较多？如果是深度学习的方法的话，主要使用什么方法？
答：U-Net比较好，最好引入领域知识，要具体问题具体分析。 - 问：用deep learning做重建时，是否使用到了病人数据？比如肿瘤病人的MRI？病人数据是否比正常人的数据在重建上难度大很多呢？
答：没有使用，因为MR图像可以看得到肿瘤，CT图像却很难，所以用病人数据难度确实会大一些。 - 问：关于ADMM-Net用于重构MRI图像的方法，这种基于传统方法的思路甚至部分解决了深度学习可解释性的问题。那么用这种方法重构的高质量MRI图像是否确实有助于医生的诊断呢？
答：会比传统方法更好，但并不保证对病灶更有效。 - 问：大部分医学图像分割都是在unet上各种修改，而现有自然图像分割中用到了很多其他类型的网络PSPNet,Deeplab,DFN,等，但是为什么在医学图像很少看到过这些应用在自然图像上的网络？
答：在自然图像分割上表现好的网络在医学图像上的效果应该也不错，你可以尝试应用。 - 问：3维医学图像分割，有什么很好的思路呢？
答：一般做3维体数据分割的内存占用大，因此为了平衡计算代价与有效性，可以考虑在2D分割网络基础上考虑充分建模slices之间的相关性进行解决。 - 问：多个模态的特征的融合问题，目前有什么好的方法？
答：Attention的方式比较好。
孙剑教授报告的视频链接：
http://www.iqiyi.com/w_19s75ve0fx.html#vfrm=8-8-0-1
特别鸣谢本次Webinar主要组织者：夏勇 教授
MICS Webinar责任委员：何晖光 教授、夏勇 教授
整理人：白晓宇
活动须知
- MICS在线学术讲座依托在线直播平台进行，观众请点击每期直播链接参加活动，支持安装Windows系统的电脑、MAC电脑、手机等设备，手机客户端也可直接扫描二维码进入直播；
- 活动开始前 5 分钟左右，讲者会开启直播，活动时讲者会上传PPT或共享屏幕，观众可以看到Slides，听到讲者的语音，并通过聊天功能与讲者交互；
- 活动过程中，请不要说无关话语，以免影响活动正常进行；活动过程中，如出现听不到或看不到视频等问题，建议退出再重新进入，一般都能解决问题；建议通过速度较快的网络参加活动，优先采用有线网络连接;活动过程中，请不要说无关话语，以免影响活动正常进行；
- 后续每期讲座信息，会通过MICS微信公众号“医学图像计算青年研讨会”（扫描下方二维码关注MICS微信公众号）或MICS QQ群（群号：641894878）进行通知（注：申请加入MICS QQ群时需验证姓名、单位和身份，缺一不可；入群后，请实名，姓名身份单位；身份：学校及科研单位人员T，企业研发I，博士D，硕士M）。
“医学图像计算青年研讨会”微信公众号
MICS在线学术讲座的模式和组织方式借鉴了很多VALSE的经验, 从VALSE得到了很多的启发，在此对VALSE组委会表示衷心的感谢，也祝愿MICS和VALSE越办越好！