国际医学图像计算和计算机辅助干预会议MICCAI2019录用结果公布,深睿医疗5篇论文被接收_凤凰网财经_凤凰网

时间:2019-08-17 来源:www.feijiazhuang.com

?

%5C

【猎云网北京】8月7日报道

宣布了国际医学图像计算和计算机辅助干预会议(MICCAI),并从Deepwise AI实验室收到了五篇论文。

MICCAI是医学图像计算和计算机辅助干预学会以及跨学科医学成像(MIC)和计算机辅助干预(CAI)领域之间的综合学术会议。顶级会议吸引了来自全球134所顶尖研究型大学的研究团队的参与,被认为具有强大的国际影响力和非常高的学术权威。随着各领域人工智能的蓬勃发展,今年MICCAI论文数量创历史新高,比去年高出70%。根据MICCAI学术交流的深度和质量要求,今年仅包括540篇文章。入学率仅为31%,论文代表了图像计算和计算机辅助领域的尖端技术,是医学图像分析领域的领先热点,引领着该领域的未来发展方向。

%5C

神瑞研究所自成立以来,一直继续参与MICCAI的提交。今年,神瑞医疗投入了10份手稿,其中5份,接受率为50%。可以看出,神瑞研究院是一支较重的研究团队。神瑞研究所的五篇论文的研究课题包括语义分割,目标检测和多任务学习,并在人工智能医学应用方面取得了创新性突破。同时,这些科技前沿的科研成果已部分应用于神瑞医疗的Dr.WiseAI辅助诊断产品,在临床应用中取得了良好的效果。

以下是五篇论文的研究结果概述:

1.刘玉航,张舒,罗玲,张倩仪,张凡东,李秀丽,王一舟,于益周。从单边到双边学习:用对比双边网络检测乳房肿块。国际医学图像计算与计算机辅助干预会议(MICCAI),2019年。

众所周知,基于乳房X线照相术的质量检测对于乳腺癌的早期诊断具有重要的临床意义。本文提出了一种基于深度学习的乳腺X射线质量检测算法,对乳腺X线摄影图像的双边信息进行明确建模。通过使用变形公差模块来适应双侧乳房局部区域的非刚性变化,并将医生阅读的内部逻辑嵌入逻辑双边模块中,算法效果得到显着改善,同样在乳房X线照相术数据集DDSM中是错误的。在正数量下,该方法的检测灵敏度比现有方法高出5个百分点,充分验证了算法的有效性。

%5C

网络框架图。该模型使用登记的双侧乳房图像作为输入。失真不敏感比较模块可抵抗因ROI对齐注册而导致的本地非严格更改。逻辑双边模块逻辑引导双边模块嵌入在医生阅读领域。知识,提高模型性能

2.李兆昊,张舒,张俊庚,黄凯奇,王一舟,余益周。 MVP-Net:具有位置感知注意的多视图FPN,用于深度通用病变检测。国际医学图像计算与计算机辅助干预会议(MICCAI),2019年。

本文是神瑞研究所和中国科学院自动化研究所基于CT图像的全器官病变探测器的研究与探索。该技术在肺结节和中风的日常诊断和治疗中发挥着越来越重要的作用。虽然具有统一框架的通用病变检测器具有极其广泛的应用前景,但仍然很少有研究。基于NIH迄今发布的最大CT图像数据集DeepLesion,本文构建了一种可以检测全身各种病变的通用病变检测器。结合医生在临床诊断方面的专业经验,研究人员提出了一种多视图目标检测网络,可在各种窗宽窗口位置融合图像信息。网络通过位置敏感的注意模块有效地集成来自不同窗口宽度窗口的信息。实验结果表明,我们的模型将4个误报的识别准确率从84.37%提高到91.30%。

%5C

MVP-Net网络框架图。部分A演示了多视图FPN检测网络,其模拟多窗口宽窗口级信息融合。 B部分显示了我们的位置敏感模块。 Part-C使用注意模块融合来自不同窗口宽度窗口的特征。

癌症之王 - 胰腺癌,被称为21世纪肿瘤学的最后堡垒。无论是在诊断,治疗还是基础研究方面,虽然取得了很大进展,但仍然很难。由于胰腺的大小和形状是可变的,与周围组织的对比度低,整个腹腔的体积相对较小,基于腹部CT图像的胰脏器官的自动分割是一个非常大的挑战。有两篇论文涵盖了这一挑战的不同挑战。

3.方浩伟,李冠斌,潘成伟,李一鸣,于义玉。用于三维胰腺分割的全球引导渐进式融合网络。国际医学图像计算与计算机辅助干预会议(MICCAI),2019年。

本文的主要贡献是提出一种创新的语义分割模型,它解决了现有方法无法考虑全局特征和局部上下文信息的问题。本文提出了一种具有渐进融合模块和全局制导分支的体素分割模型,可以更好,更有效地利用三维特征从当前层CT图像中提取的三维邻域中学习三维局部特征,并预测相应的二维分割结果。然后,全局引导分支可以用当前层CT的缩小图像来补充全局特征。我们的方法在胰腺分割数据集上产生了最好的结果。

%5C

我们方法的总体框架

4.陈怀,王秀英,黄义杰,吴希义,俞逸洲,王立生。利用体积CT图像自动胰腺分割的二维网络和三维特征。国际医学图像计算与计算机辅助干预会议(MICCAI),2019年。

本文是深圳瑞研究院与上海交通大学合作的研究成果。在本文中,研究团队已经建立了一种新方法。为了充分利用三维信息,首先引入维度自适应模块来桥接三维信息并预先训练两个。立体网络。通过测试和验证NIH胰腺分割数据集,平均计算时间控制在约0.4分钟,这在临床上非常有用。

%5C

为了准确预测多源特征,维度自适应模块(DAMS)将预先训练的2D网络内部特征访问到3D网络和融合决策模块中。

5.张伟,李冠斌,王富宇,鄂龙江,俞一舟,梁林,梁惠英小儿胸部X线片同时肺野检测与分割。国际医学图像计算与计算机辅助干预会议(MICCAI),2019年。

基于X射线图像的肺部分割在临床诊断和治疗中很重要,但由于缺乏公共数据集以及儿童X射线图像与成人图像之间的巨大场差异(例如尺度,大小,方向等)导致儿童肺部分割的研究相对滞后。本文是广州市妇女儿童医学中心梁惠英教授的合作。沉瑞研究所和中山大学的研究提出了一个多任务量的同步检测和分割儿童X射线肺。神经网络SDSLung算法框架。实验结果表明,该算法能够显着提高儿童X射线肺段的准确性,对于成人X射线肺部数据仍能获得最佳性能。儿童肺部分割算法对于儿科肺部疾病和辅助手术的后续分析至关重要。

%5C

深层神经网络Deepwise AI Lab的总体框架

Deepwise AI Lab一直处于行业领先地位。它是业内最大的研究机构之一,专注于人工智能医疗领域。自成立以来,一直致力于通过技术和临床探索医学前沿技术。这一组合产生了许多具有临床价值和科技创新的科研成果,已被列入国际顶级期刊和会议。到目前为止,神瑞研究所已在人工智能和机器学习的顶级期刊和会议上发表了近30篇论文(如科学机器人,TPAMI,TCYb,TIP,ICML,CVPR,ICCV,ECCV,AAAI等)。涵盖计算机视觉和模式识别领域的三个顶级国际会议,特别是连续第二年在备受瞩目的CVPR(Google 2019学术名单前20名)中,有学术成就,以及该领域的技术公司中国的人工智能。走在最前列;同时,在医学图像计算和分析领域,如IPMI,MICCAI,ISBI,RSNA等顶级会议,发表论文20余篇。