南京信息工程大学徐军教授2019年03月12日MICS在线学术讲座成功举办！
[#19-04] MICS在线学术讲座（计算病理专题之一）：徐军
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，徐军教授基于其团队最新的研究成果，分别介绍了病理研究中细胞与组织层次的图像计算，主要探讨了病理组学的方法，以及在乳腺癌辅助预后系统、口咽鳞状细胞癌生存期预测系统、肾穿刺全景图像预测APOL1基因突变以及小鼠睾丸病理自动分期系统上的应用。最后徐军教授回答了观众所提出的相关问题。
问答环节
- 问：徐老师，请问在肾脏的project中，attention map是如何实现的？答：Attention map是用的CAM（Class Activation Mapping）算法，该算法是基于深度学习训练得到的。
- 问：如何看待AI在病理领域的应用？
答：AI在病理领域应用的场景是非常广阔，病理计算能够融合在整个临床诊断的过程中，这个场景应该是在整个临床病理诊断过程中进行的AI系统。 - 问：大切片病理数据量很大，使用深度学习需要注意些什么？
答：深度学习分析大切片是非常有优势的，深度学习模型非常适合于处理这种复杂的问题。对大切片的分析首先可能很难分析整张全扫描切片，一般的做法是先分割成小的图像块，当然这也与计算机的硬件有关，未来更好的硬件支持一定会达到全扫描的处理。另外全扫描的分析也与算法有关，需要构建更好的算法。 - 问：请问徐老师对小样本的AI算法有没有推荐，尤其是一些罕见病例的数据量积累？
答：小样本的AI算法有很多很有意思的研究，罕见病例的样本比较难解决。但是我们可以把罕见病分成2个层次，比如说从图像底层分析很多的算法是通用的，尤其是刚刚讲到对抗网络的工作，不同的组织的分析算法是通用的。在图像分析基础上构建的特征，需要根据罕见病的具体问题才能构建具体针对性的特征。 - 问：请问您使用了大概多少张切片得到这样的效果？
答：首先切片和训练块是两个问题。比如说一张切片可以取成千上万个图像块，对图像分割和检测的问题来说，细胞核的识别，组织分割部分的训练量还是很大的。例如刚刚讲到的结直肠10种组织的问题，我们使用了40张切片，取块得到10种组织。 - 问：请问徐老师，整张切片不区分高低风险组怎么用于预后呢？
答：我们是区分高低风险组的，我们每张切片提取特征，特征是对应高风险组与低风险组，然后去训练分类模型。 - 问：文章中的算法处理一张病理图片一般需要多少时间？
答：这是很好的问题。用算法处理一张病理切片和硬件有关联，用硬件并行处理会更快。在我们的问题里，比如说在口咽癌的病例里面，我们一张切片的处理时间大概是在１５－２０分钟。 - 问：细胞去重叠问题如何评价去重叠效果？
答：这是很好的问题。去重叠问题是有一些数据库的，有一些竞赛的数据是可以用于评估去重叠效果的。 - 问：结合临床文本信息做诊断时，医生的临床经验如何量化？
答：量化的问题是很好的问题，所以需要与医生有长期的交流和合作，对医生的经验有很好的理解，再用这些理解去构建定量描述的特征。比如医生会用形态描述，那么我们会根据图特征来描述空间关系。 - 问：请问老师实验中用到的数据集有多大？感觉医学的数据很多来自公开数据库，自己标注很不现实？
答：美国的NIH公布了TCGA数据库，当然标注还是需要专业医生的帮助。我们使用的数据集都很大，训练集包括细胞和组织都有上万张图像块做训练。 - 问：遇到病理图像模糊边界有什么好的方法处理？
答：病理图像的模糊边界如果是指成像时没有聚焦导致的模糊，那么建议再次扫描得到。也可以用一些图像预处理的方法来处理。 - 问：您感觉AI病理可以达到什么水平？可以对临床起到什么帮助？
答：我觉得在识别任务领域可以做到比较好，这些识别任务可以大大减轻医生的工作量，同时提高医生的工作效率，除此之外还可以辅助医生进行临床诊断，这也是对临床医生有更大帮助的部分。 - 问：请问徐老师，标记的时候是自动标记还是全手动标记？
答：我们现在很多的标记是人机交互的，可以减少很多的重复劳动。但是我们目前的多种组织的４０张切片是全部人工标注的。 - 问：请问你们做细胞分割、显示细胞质心，最后得到整个结构，是用的几个网络串行吗？
答：使用串行网络会有很多速度的限制，所以我们是采用了一个网络实现。 - 问：不同切片染色对结果影响大吗？
答：这个确实是有差异的，例如在多种组织分割的结果中就发现了这个问题。
徐军教授报告的视频链接：
https://www.iqiyi.com/w_19s6l0xf0l.html
特别鸣谢本次Webinar主要组织者：
MICS Webinar责任委员：施俊（上海大学）
整理人： 李宝明（南京信息工程大学）
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！
