周少華Kevin：醫學影像分析頂會MICCAI 17有哪些驚喜？

雷鋒網 AI 科技評論按：本文首發於美篇（https://www.meipian.cn/q8v4psf），作者周少華，雷鋒網 AI 科技評論獲本人授權轉載，文章略有刪節，並獲得了周少華博士的再次核對編輯，特此表示感謝。

周少華 Kevin, 中國科技大學學士, 美國馬里蘭大學博士, 專業電子工程。現在西門子負責研發與醫學圖像相關的創新產品。他撰寫編輯了五本學術專著，發表了180+篇學術期刊及會議論文和著作章節，並擁有80+項批准專利。他多次獲獎，包括發明奧斯卡獎、西門子年度發明家、愛迪生專利獎、馬里蘭大學ECE傑出校友獎。他是IEEE TMI和Medical Image Analysis期刊副主編、CVPR和 MICCAI 的領域主席、《視覺求索》主編、美國醫學與生物工程院 Fellow。

MICCAI 是醫學影像分析 (Medical Image Analysis) 研究領域的頂尖年會。今年 9 月 10 日到 14 日在加拿大魁北克會議中心舉行，與會者達 1350 人左右。

本次 MICCAI 會前，我不僅作為作者投稿，也有幸成為大會程序委員會的 Area Chair 之一。所以 5 月 12 日到 14 日，已經飛到魁北克參加了 MICCAI 2017 Area Chair meeting。詳情請參如下鏈接。

MICCAI 2017 Area Chair 會議記

9 月 12 日星期二 12:30pm -- 1:30pm Convention Center Room 202A

Medical Image Analysis 是 MICCAI society 的旗艦學術雜誌，代表了該領域的最高學術水平。作為該雜誌的 associate editor 之一，我參加了 editorial board 的午餐會議。同時與會的華人還有沈定剛（北卡大學教授）和李碩（加拿大西安大略大學副教授）。

總體而言，雜誌情況與去年基本持平，submission 量略有提高。中國 submission 位居第三，接收文章有 10 篇，比去年有進步。希望中國的同行們繼續努力。

會後，主編之一 Nicholas Ayache (Research Director at INRIA) 主動聯繫我，謝謝我的工作並詢問工作量是不是太重。我主要是處理 Machine learning and deep learning 方面的工作，看來這方面研究正紅還會繼續紅火。

9 月 13 日星期三 早上 8 到 10 點

MICCAI Oral Session 14 是專門針對工業界設計的，共有四個演講，頭三個是大會的常規論文，最後一個是特邀演講，演講之後還有個 panel 討論。Tanveer(IBM) 和我共同主持。

可能是由於受星期二 gala 的影響，一開始諾大的廳里只坐了幾排人，大家的 energy level 不高。後來人群逐漸湧入，最後整個大廳爆滿。大家的熱情也越來越高，聽眾竟然要排隊提問。這也說明大家對於 industry 應用非常關心。

會後有許多人反應這次 industry session 組織得很好，信息量豐富，知識點多，務實不從虛。

9 月 13 日星期三 晚 6:30pm, Observatoire de la Capitale

大會的質量很大程度上取決於大會的文章質量。程序委員會是最終決定文章收錄的。為了回報對其成員的辛勤付出，大會特地在觀景台 31 樓犒賞三軍。魁北克全城面貌盡瞰眼底。

Young Scientist Award 是獎勵年輕的科學家，獲獎者必須滿足兩個條件：

（i）需為文章的第一作者；

（II）需是在校學生，畢業一年內亦可。

有幸受邀成為 Committee 成員之一，Committee 主席是今年剛入選 MICCAI Fellow 的 Josien Pluim（TU Eindhoven教授）。Committee 成員中還有蔡衛東（悉尼大學教授）。

Committee 共同進行了三輪篩選。

• 第一輪是 committee chairman 選出有可能入選的文章 20 篇。

• 第二輪是 committee members 分別給 20 篇打二值分。打分匯總後剩下 12 篇進入下一輪。

• 最後一輪是 committee members 進一步暗中觀察 poster presentation，綜合打分。最後，匯總討論決定 award。

獲獎文章的 poster

Invited Talk

9 月 14 星期四 早上 8:00－8:45

隨著深度學習深入人心，Deep Learning for Medical Image Analysis (DLMIA) Workshop 也越來越熱門。我有幸受邀給 keynote speech，題目是＂Deep learning and beyond：medical image recognition, segmentation, and parsing＂。

我首先簡單介紹了西門子最新研究成果 Cinematic Rendering，然後講述了 Medical Image Recognition, Segmentation , and Parsing（醫學圖像識別、分割、分解）的必要性、挑戰與困難、機器學習方法與知識模型結合的有效性以及實例。

隨後，綜述了深度學習的最新研究前沿 (skip connection, attention, deep supervision, image-to-image network, etc.)，以及西門子利用深度學習並結合知識模型的最新成果。

會前收到 Alex Frangi (University of Sheffield教授) 的邀請，希望成為 MICCAI book series editorial board 成員，幫助 book series 評審書稿申請，並推薦新的書目。我們藉機見了面。

趁機宣傳一下我最近的兩本新書，正是屬於這個 book series，在大會都有展示。

Medical Image Recognition, Segmentation and Parsing (Zhou Ed. )

Deep Learning for Medical Image Analysis (Zhou, Greenspan and Shen Eds. )

我們編者三人組（沈定剛、以色列 Tel-Aviv University教授 Hayit Greenspan、我）在編書過程中打了無數電話，終於趁這次會議機會可以面對面。

Yoshua Bengio （蒙特利爾大學教授）是深度學習的「三架馬車」之一。他受邀給MICCAI大會作Keynote Speech。下面摘要了他演講的Slide標題。

Intelligence needs knowledge; Machine learning, AI, no free lunch; Bypassing the curse of dimensionality (compositionality); Distributed representation; Anything new with deep learning since the neural nets of 90s; Generative adversarial network; Attention using gating units; We are starting to better understand why deep learning is working; Still far from human level AI; Humans outperform machines at unsupervised learning; Latent variables and abstract representations; Maps between representations; Deep data fusion; Combining heterogeneous sources with missing modalities; Curriculum learning as a continuation method; Guided training, intermediate concepts; CASED Jesson et al. MICCAI 2017; Conclusions and future perspectives.

順便給自己的文章做個廣告。

• 《Automatic Liver Segmentation Using an Adversarial Image-to-Image Network》

  先提出圖像到圖像的網路，輸入原圖像，輸出分割 mask 圖。然後引入了對抗網路，用於 regularize 輸出的分割 mask，可以看作是 shape prior。對抗網路，最早是用來做圖象生成，目前還在研究中，最終效果尚待觀察。但用它來做 regularizer，實際中似乎很有效。實驗是基於上千的 CT 影像，準確度達到了前所未有的程度。

• 《Supervised Action Classifier: Approaching Landmark Detection as Image Partitioning》

  常規的 landmark 表達包括點坐標、heatmap 圖等。提出一種新的表達方式 action map，用於表示 landmark。實驗結果表明此表達方式效果明顯。

• 《Deep Image-to-Image Recurrent Network with Shape Basis Learning for Automatic Vertebra Labeling in Large-Scale 3D CT Volumes》

  用 DL 找到脊椎 landmark heatmap 之後，進一步結合先驗知識來提高準確定位和降低錯誤率。這裡的先驗知識是指脊椎 landmark 的相互關係。

中國力量

本次會議中國力量進一步加強。與會的中國人數比上屆明顯增加，周一晚上聚餐的報名供不應求也是一個例證。另外錄取文章數以中國人為第一作者的占近四成。最後，獲得的各種獎項也很多。

香港中文大學竇琪、於樂全、陳浩等人的文章獲 medical image analysis: miccai2016 special issue 最佳文章獎。

閏平昆（RPI 新晉助理教授）獲 IJCARS Miccai2016 special issue 最佳論文獎。

西安大略大學的薛武峰獲 Young scientist award。

王國泰（UCL）獲 BraTS Challenge 第二名。

忙碌了近一周，MICCAI2017 落幕了。

總結與預測：

? 正如去年預測的一樣，DL 已經大肆＂入侵＂MICCAI。據不完全統計，約一半文章與 DL 相關。遺憾的是，真正突出的文章不多，CVPR 也是這樣。預測明年 DL 相關文章佔比會更多。

? 隨著人工智慧大熱，今年 CVPR 在各個方面達到了頂峰。MICCAI 則不然，文章數基本持平，參會人數達到新高。原因可能是 MICCAI 的文章更偏向 research 場景，側重 clinical 應用的不算太多；而 CVPR 的文章很多是關於實際應用的。預測明年 MICCAI 文章會有更多側重 clinical 應用，文章數和參會人數達新高。

? MICCAI 華人力量日益強大。預測華人與會人數會更多。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！