深睿醫療5篇論文被MICCAI2019收錄，展示在醫療AI領域的卓越創新能力

國際醫學圖像計算和計算機輔助干預會議MICCAI2019 (International Conference on Medical Image Computing and Computer Assisted Intervention, MICCAI)錄用結果公布，深睿研究院（Deepwise AI Lab）共有5篇論文被接收。

MICCAI是由國際醫學圖像計算和計算機輔助干預協會(Medical Image Computing and Computer Assisted Intervention Society) 舉辦，跨醫學影像計算(MIC)和計算機輔助介入 (CAI) 兩個領域的綜合性學術會議，是該領域的頂級會議，吸引了全球134所頂級科研高校的研究團隊共同參與，被認為有著非常強的國際影響力和非常高的學術權威性。隨著人工智慧在各個領域的蓬勃發展，今年MICCAI論文投稿數量再創歷史新高，相比去年增長了70%，遵循MICCAI對學術交流的深度和質量要求，今年僅收錄了540篇，錄取率僅31%，收錄的論文代表了最前沿的圖像計算和計算機輔助領域的前沿技術，是醫學影像分析領域的前沿熱點風向標，引領該領域的未來發展方向。

深睿研究院自成立以來持續參與MICCAI投稿，今年深睿醫療投出10篇稿件，錄用5篇，錄取率高達50%，由此可見，深睿研究院是一支重量更重質的科研團隊。本次深睿研究院被收錄的五篇論文研究方向涵蓋語義分割、目標檢測以及多任務學習等，在人工智慧醫療應用領域取得了創新性的突破。同時這些處於科技前沿的科研成果已被部分應用於深睿醫療的Dr.Wise?AI輔助診斷產品中，在臨床應用中取得了良好的效果。

以下為五篇入選論文科研成果概述：

1. Yuhang Liu, Shu Zhang, Ling Luo, Qianyi Zhang, Fandong Zhang, Xiuli Li, Yizhou Wang, Yizhou Yu. From Unilateral to Bilateral Learning: Detecting Mammogram Mass with Contrasted Bilateral Network. International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI),2019.

眾所周知，基於乳腺X線影像的腫塊檢測對於乳腺癌早期診斷具有重要的臨床意義。本文提出了基於深度學習的乳腺X線腫塊檢測演算法，顯式建模乳腺鉬靶圖像的雙邊信息。通過採用形變容忍模塊適應雙側乳腺局部區域的非剛性變化，以及在邏輯雙邊模塊中嵌入了醫生閱片內在邏輯，顯著的提升了演算法效果，在乳腺X線影像公開數據集DDSM上，同等假陽性數量下，本方法的檢出敏感性超過現有方法高達5個百分點，充分驗證了演算法的有效性。

（網路框架圖。模型以配准後的雙側乳腺圖像作為輸入，其中形變容忍模塊Distortion Insensitive Comparison Module通過ROI Align抵抗因配准帶來的局部非剛性變化；邏輯雙邊模塊Logic Guided Bilateral Module嵌入了醫生閱片的領域知識，提升了模型性能）

2.Zihao Li, Shu Zhang, Junge Zhang, Kaiqi Huang, Yizhou Wang, Yizhou Yu. MVP-Net: Multi-view FPN with Position-aware Attention for Deep Universal Lesion Detection. International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI),2019.

本文是深睿研究院和中科院自動化所基於CT圖像的全器官病灶檢測器的科研探索，這項技術在肺結節、腦卒中等在日常診療過程中開始發揮越來越重要的作用。而具有統一框架的通用病灶檢測器雖然有著極其廣泛的應用前景，但目前仍鮮有研究。本文基於NIH公布的迄今規模最大的CT圖像數據集DeepLesion，構建了一個可以檢出全身各種病灶的通用病灶檢測器。結合醫生在臨床診斷中的專業經驗，研究員們提出了一種多視角目標檢測網路來融合多種窗寬窗位下的圖像信息。該網路通過位置敏感的注意力模塊來有效的融合來自不同窗寬窗位的信息。實驗結果表明我們的模型將4個假陽性下的識別準確率從84.37%提高到91.30%。

（MVP-Net的網路框架圖。Part-A展示了建模多窗寬窗位信息融合的多視角FPN檢測網路。 Part-B展示了我們提出的位置敏感模塊。 Part-C中使用注意力模塊對來自不同窗寬窗位的特徵進行融合）

癌中之王的胰腺癌，被稱為21世紀腫瘤界最後一個堡壘。無論從診斷、治療還是基礎研究方面，雖然進展很多，但仍舉步維艱。由於胰腺的大小和形狀多變，和周圍的組織對比度低，並且在整個腹腔內體積佔比較小，所以基於腹部CT影像進行胰腺器官的自動分割是一個非常大的挑戰，深睿研究院本次有兩篇收錄的論文針對這一挑戰進行不同的創新嘗試。

3. Chaowei Fang, Guanbin Li, Chengwei Pan, Yiming Li, Yizhou Yu. Globally Guided Progressive Fusion Network for 3D Pancreas Segmentation. International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI), 2019.

本文的主要貢獻是，提出了一個創新的語義分割模型，解決了目前已有的方法不能兼顧全局特徵和局部上下文信息的問題。本文提出了一個具有漸進式融合模塊和全局引導分支的體素分割模型，可以更好更高效地利用3D特徵從當前層CT圖像提取的3D鄰域學習3D局部特徵並預測對應的2D分割結果，而全局引導分支則可以利用縮小的當前層CT的完整圖像來補充全局特徵。我們的方法在兩個胰腺分割數據集上取得最佳結果。

（我們的方法的整體框架）

4. Huai Chen, Xiuying Wang, Yi-Jie Huang, Xiyi Wu, Yizhou Yu, Lisheng Wang. Harnessing 2D Networks and 3D Features for Automated Pancreas Segmentation from Volumetric CT Images. International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI), 2019.

本文是深睿研究院和上海交通大學合作的科研成果，在這篇文章里研究團隊構建了一個新的方法，為了充分利用三維信息，首次引入維度自適應模塊橋接三維信息和經預訓練的二維網路。通過在NIH胰腺分割數據集進行測試和驗證，平均計算時間控制在0.4分鐘左右，具備很強的臨床實用性。

（為了結合多源特徵進行精確預測，維度自適應模塊（DAMS）將預先訓練的二維網路內部特徵接入三維網路和融合決策模塊。）

5. Wei Zhang, Guanbin Li, Fuyu Wang, Longjiang E, Yizhou Yu, Liang Lin, Huiying Liang. Simultaneous Lung Field Detection and Segmentation for Pediatric ChestRadiographs. International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI), 2019.

基於X光影像的肺部區域分割在臨床診斷和治療中具有重要意義，但是由於公開數據集的缺乏以及小兒X光影像與成人影像之間存在的巨大領域差異（例如尺度、大小、方向等）導致針對小兒肺部區域分割的研究相對滯後。本文是由廣州市婦女兒童醫療中心梁會營教授牽頭髮起，深睿研究院和中山大學一起合作進行的研究，首次提出了一種針對小兒X光肺部區域同時進行檢測與分割的多任務卷積神經網路SDSLung演算法框架。實驗結果表明文中所提出的演算法可以顯著提升小兒X光肺部區域分割的精度，同時對於成人的X光肺部數據依然可以取得當前最佳的性能。小兒肺部區域分割的演算法對於後續的小兒肺部疾病分析、以及輔助手術治療等至關重要。

（我們的深度神經網路的整體框架）

深睿研究院（Deepwise AI Lab）

深睿研究院（Deepwise AI Lab）一直處於行業領先地位，是目前行業內規模最大的專註於人工智慧醫療領域的研究機構之一，從成立以來一直致力於醫療前沿科技的探索，通過科技與臨床的結合，產生了眾多兼具臨床價值和科技創新性的科研成果，陸續被國際頂級期刊和會議收錄。截止到目前為止，深睿研究院在人工智慧與機器學習頂級期刊及會議（如Science Robotics、TPAMI、TCyb、TIP、ICML、CVPR、ICCV、ECCV、AAAI等）上發表論文近三十篇，其中涵蓋了計算機視覺和模式識別領域三大頂級國際會議，尤其是連續兩年在備受矚目的頂級會議CVPR（谷歌2019學術榜Top 10）上均有學術成果發表，在國內人工智慧領域的科技公司中處於前列；同時，在醫學影像計算與分析領域，如IPMI、MICCAI、ISBI、RSNA等頂級會議上，發表論文二十餘篇。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！