香港理工大学秦璟教授2019年07月16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）、2019（苏州）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。
第七届医学图像计算青年研讨会将于2020年7月18-19日在大连举办。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MICS 2020，共同繁荣MICS大家庭！
先进的计算机技术不断推动手术技术向自动化、智能化，个性化发展。秦璟老师及其团队和合作者在利用深度学习和虚拟现实技术进行智能化手术训练及计划系统研发方面具有十多年的经验。讲座中，首先介绍了深度学习技术在医学图像自动化分割上取得的成果，包括肝脏CT图像自动化分割，脑部MR图像自动化分割，心脏MR图像自动化分割，肾脏MR图像自动化分割，三维超声图像自动化分割等，这些分割技术为构建智能化手术训练及计划系统奠定了扎实的基础。随后介绍了几个近年研发的手术训练及计划系统，包括各种骨科手术，超声引导下的穿刺手术，血管介入手术，胆囊切除手术，整形手术以及机器人手术等。最后，秦璟老师回答了在线观众所提出的相关问题。
问答环节
- 有哪些paper证明了2D比3D好？答：这个有很多paper都可以证明2D比3D的效果更好，特别是在计算资源有限的情况下，视野可以放得很大。从理论上说，3D应该是会比2D好的，但是在计算资源有限的情况下，实际问题中能够实现的是2D会比3D效果好。
- 多模态输入网络中涉及到配准，请问现在有没有涉及到多模态网络配准的论文？答：深度模型做配准的文章有很多，一般challenge中应用到的数据本来就是配准好的，但是也有很多配准的相关研究。
- 相关代码有没有可以学习的呢？答：我们工作中的大部分代码都是可以公开学习的。
- 超声三维重建用的是free-hand方法吗？答：我们的主要工作是在已有的超声重建数据上进行可视化。
- 您觉得深度学习在分割上未来有什么前景的新技术？答：现在热门的有几个，第一个就是weakly-supervise，就是基于很少的标注或者弱监督的标注，比如只有分类信息的情况下，先出一个model，根据attention map定位到病变的区域，再根据少量有label的数据进行优化。另外就是domain adaptation，即一个领域的可不可以同样适用于另外一个领域训练的模型或者很少的label，减少制作label过程的工作量。更进一步就是meta-learning，学习一种普适性更强的方法，在各种数据或者image中都可以适用，学习如何学习的一个过程。
- 在MR分割任务中如何消除不同模态数据间的域间差异？答：这个问题不仅仅存在于MR中，CT和MR之间的域间差异更大，其成像机理不同导致同一区域的同一位置会有不同的成像，但是又各有优点。这个问题的主要解决办法就是利用domain adaptation技术，利用GAN或者生成模型和对抗训练的思想，将MR转化成CT图像形象比较接近的图像，或者利用不同网络共享feature进行交换，可以参考讲座中提到的chen cheng引用的参考文献。总的来说这个问题可以有两个层面，一个是从image的级别来弥补这个差距，另外一个就是从feature级别来弥补差距，我们的工作中就是两个级别同时利用，弥补domain shift即分布上的差异。
- 分割或者重建任务中主要的uncertainty体现在哪里？答：uncertainty体现在各个方面，第一点，图像的分割本身就非常困难，我们在超声图像分割的任务中，很多图像是肉眼都看不清的，图像的成像在中间的某一部分可能缺少一块，因此只能根据医生的标注作为ground truth，但是医生可能也有很大的不确定性，另外，数据量小的问题中也有很多uncertainty，一般情况下只能通过多取几个医生标注的平均值作为GT，以计算最后分割结果和GT之间的接近程度来评价性能。除了label中存在的uncertainty之外，模型的复杂性和数据的有限性都会存在uncertainty，同一个模型在不同的数据中的表现能力，这些都是工程中亟待解决的问题。
- 深度学习包括分割离临床应用有多远，如何减少其间的gap？答：这个问题有两个方面，第一个方面，要是做到完全的自动化分割还是有很远，距离临床应用的精度要求还有一定的距离，但是如果经过医生手动调整也可以大幅度减少医生的工作量，从另一方面也应用到了实际临床之中，目前虽然不能完全实现临床中的自动化，但是可以给医生提供一个更加便利的工具也是有很大的价值。
秦璟老师报告视频链接：https://pan.baidu.com/s/1njMZGRKIrvtrHkNQiieYbQ
提取码：1leb
slides链接：https://pan.baidu.com/s/1zrJ7nPRO3x_8TelPhnJRsw
提取码：vnik
特别感谢本次学术讲座主要组织者：王连生（厦门大学）
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！
