薛忠老师（上海联影智能医疗科技有限公司）2019年06月18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！
听完这个讲座，听者将有如下收获：
- 从这个案例，学到如何做学术演讲；
薛老师的演讲PPT是用英文准备，讲座是以中文为主。薛老师的听众绝大多数是中国人。薛老师在讲述时，先读PPT上的英文，然后说出对应的中文，并用光笔指出演讲关键词，这很容易引起听者关注,令听者非常有效地领会薛老师传递的讲座内容和信息。 - 定位自己的研究课题，并从科学假定、工程技术实现以及具体的临床应用场景全方位思考自己的研究课题和方法；
薛老师认为，医学影像任务大致包括五类，涉及数据采集、读片、诊断、手术介入和多尺度科学研究。每一类各有研究侧重点，比如Accurate and Fast Reconstruction, Follow-up/Group Analysis, Enhancement of Subtle Information, Image-based Guidance Systems, Multi-Scale Research for Mechanism of Diseases and Discovery of Drugs等。在科学假定中，医学影像实际上期望寻求一种搭建介于微观基因表型（医学信息学）和病理影像表观表型（影像信息学）的多尺度系统医学机制。在工程技术中，医学影像试图在应用和算法间建立 “更好、更快、更健壮”的桥梁。在医疗影像行业中，我们应该聚焦在“设计或生产更好的设备或系统”来帮助阅片、辅助诊断、辅助治疗或者寻找更有效的药物。不论怎样，这些都与科学假定和技术方法的基本定位有关。 - 回顾2009-2019年TMI和MEDIA所发表文章，分析人工智能在医学图像分析的未来研究趋势；
薛老师回顾了2009-2019共10年来TMI和MEDIA发表的文章，指出人工智能在图像分割、检测、重建、分类、配准和引导介入等方向还会继续成为研究热点。尤其与图像分割相关的研究最多，既有通用方法研究，又有专门做大脑、心脏等器官组织的分割方法。 - 以医学图像配准和分割为例，分析人工智能如何改进传统配准和分割方法；
薛老师从可变形配准框架讲起，以5篇配准文章为例，比较分析人工智能对可变形配准的改进；之后，薛老师从贝叶斯理论在形状匹配应用谈起，以5篇分割文章为例，讲述人工智能怎么改进图像分割，尤其是形状的先验知识如何在人工智能影像分割中得到应用。 - 了解上海联影智能医疗科技有限公司的科研创新领域。
薛老师介绍了上海联影智能医疗科技有限公司当前的发展势头以及部分研究案例，也指出公司在沈定刚教授、周翔博士带领下，正健壮发展。
问答环节
- 问：根据这个显示的图像（Slide#32），感觉直接用water-shed解决touching regions效果更好，chan-vese模型估计很难搞定touching regions，watershed很难自动化到合适的碎片大小。
答：关于用water-shed或是用chan-vese哪个更好。需要这些方法提出时所解决的主要问题，这里主要讨论和对比先验知识或者约束条件在人工智能中的应用，不针对具体方法，所以我认为这个问题不在我的考虑范围，因为它们都是已经很成熟的方法。至于它们用在这个具体例子里面哪一个好，这不是一个大的贡献。 - 问：fMRI脑图像分割对label的要求很高，有没有好的脑分割的公开数据集？
答：fMRI脑图像分割应该考虑别的模态数据的分割。fMRI应该汇合结构图像一起使用，有时也结合DTI一起分割。这样的fMRI或DTI样本都有，你可以查查NITRC网站上公开的数据和相关Label。 - 问：对于用深度学习的医学图像配准思路是不是都差不多，很难有创新？
答：如果您是一位方法导向的创新者，您可以看网络结构或者一些不同的构造，以便是否从中找到新的规律完成不同的任务。
我本人不是。我只是从网络外面来看，把它当作可以记忆的、能够同时训练多种图像的优化工具使用。当然，个人认为，按道理来讲不同的网络会适应不同的应用。比如刚才说分割或配准，loss可以定义各种各样的content-based loss，你会看到不同的方法，这样的方法用这样的label，那样的方法用那样的segmentation，在我看来它们很像；但是除非他们告诉我，用了这样的方法、这样的loss，这个网络适应不同loss的ability在哪里；否则，我可以定义各种各样的东西，我想做什么就放什么label做什么loss，那么这个对数据量的要求在哪里？对网络结构，对适应不同种loss的limitation在哪里？如果有做这样的分析，那么作为审稿人，看到这样的论文，眼会很一亮。 - 问：老师您好，请问传统分割方法和深度学习结合的方法，除了之前讲到的使用形状先验加入到网路，还有其他结合的思路吗？
答：那要看你对传统方法可以总结到多少了，有GraphCut，有各种LevelSet，有各种……。它们之所以存在，（因为）当时没有这么好的机器；但是它有它的道理，它是在解决它们当初提出来的那个问题，所以，你最好看一下那个（具体）问题，我认为比如说GraphCut，它是对你的数据有一定的假设。 - 问：薛老师，请问不同专家的label对于分割结果的影响，有什么相关研究么？
答：我是看过论文，你们去arXiv中去找，关于多个label怎么去学习的一些文献，arXiv是有的。事实上，单个label不一定准；就是很多时候，我们在label图像时都不一定能label地很准。你仔细想想这个问题，把图像，自然图像也好，医学图像也好，让你去label，你怎样画！所以，不同的label是有的，关于multi-label怎样training怎样使用，这样的文献是有的，你可以去看看相关的文章，可能会有一些新的IDEA。
一个专家的label也不见得好，多个专家的label可能会更好一些，因为它更反应了同样一个图像的不同的statistics，那么对于多个专家label的，基于这个label分割的文章是有的。 - 问：现在深度学习做影像分析需要大量数据，您对小样本影像分析有什么看法呢？
答：小样本影像分析就是比较传统的方法或者不是用深度学习的方法。如果是这样，你就做一个statistical分析，它的power analysis，它的number of samples足够使用，而且它的结果足够significant或者不significant的结果都是很好的。 - 问：联影智能在影像AI的优势是什么？
答：首先，我们的优势在于我们有很多专家，我们有沈老师和周总这样的有很多经验的在影像分析方面和影像分析在工业界应用方面的专家优势。这是第一个。第二个是在硬件方面，我们有全线的MRI、CT，这些是基础，是相当雄厚的。它给前面我所讲的Medical imaging、医学影像处理——它们是方法和技术——很大的硬件支持，而且是给（Slide#2里）这5个不同的流程、不同的阶段里的应用（的硬件支持）。所以，这两大好处，从而使得我们的AI应用不仅在硬件方面，而且对医生方面、对科学家方面，在这三个方面都是有一个比较广阔的空间。大概就是这两方面的优势吧。
刚才说了硬件方面、专家方面，那么再补充一下，我们有很多客户做了Scientist、医生，有很多医生和科学家的支持，包括高校老师的支持，比如在科研方面，在国家的一些横向的、纵向的项目，在上海市的纵向项目方面。所以，联影智能不仅在做产品，而且在做科学研究，像今天这个讲座一样，还在做些新方法的探索，和大学的老师和医院的医生一起；同时联影在合作的过程中，尤其是有些医院，有了深度的合作之后，医院不仅可以采用联影的平台，来开发他们的新东西，而且，这边我们也有医生，有个“医治合作”的平台，医生和科学家在一起，不管在医院还是在联影公司，共同开发一些共同感兴趣的智能应用。 - 问：据说你们公司是真正的影像人工智能国家队？
答：真正的人工智能国家队？当然是真正的人工智能国家队！比如说我们申请的中国第一个科技部医疗人工智能项目就落户在上海联影智能为领导的公司。我们不仅自己有专业化的科学家团队，还和全国，尤其是各大区域著名的医学专家合作，还有上海交大，这是相互共同合作的一个结果吧。所以，我们也算是国家队，虽然我自己认为（联影智能）其实是一个国际队吧！国家队需要比赛，国际队吧！ - 问：如果想去联影实习，请问你们还招人吗？大家对去联影实习感兴趣，您能回答更细一些吗？
答：招的！如果大家对联影智能感兴趣，首要方面，我们主要的要求是你需要对医疗背景感兴趣，我们的背景就是医学影像分析，或者医疗的应用。我们的客户就是科学家、医生、病人。 - 问：据说你们的很多实习生是来自美国的研究生，是吗？
答：我们这边的实习生有国内的也有国外的，交流比较广泛，相对比较国际化的一个公司。也有实习生毕业后去美国，也有美国学生假期长期在这里实习。 - 问：联影对于AI在产品中的定位在哪里，我在CMEF中看见联影展示了很多的应用，但是目前拿到注册证了吗？
答：联影关于AI的应用主要在三个方面，一方面与机器有关，一方面与医生有关，第三个方面与Scientist有关。关于拿到注册证，我并不知道目前是否有中国的三类证已经签发，美国FDA发的AI证可能有一些。
薛忠老师报告的视频链接：
https://www.iqiyi.com/v_19rs7lznw0.html
薛忠老师报告的slides链接：
https://pan.baidu.com/s/1rG_nHc466lcb7gPe9iyumw
提取码：mhxe
特别鸣谢本次Webinar主要组织者：史勇红（复旦大学）
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！
