YOCSEF广州&深圳将联合举办大湾区IT创新论坛:“AI+医疗影像”落地之难,难在何处?

YOCSEF 大湾区IT创新论坛:“AI+医疗影像”落地之难,难在何处?

时间:2022年8月14日(星期日)13:40-17:40

线下会场: 广州市番禺区大学城外环东路132号国家超级计算广州中心一楼会议室

线上会场:364-448-400(腾讯会议)

论坛编号:CCF-YO-22-GZ-2FT

     "随着人工智能技术在医学影像诊断领域的渗透,以及政策的利好和资本的聚集,致力于提升医疗机构服务水平的医学影像新业态开始崭露头角,尤其是以人工智能医学影像产品为代表的诊断服务成为了当前人工智能赋能医疗领域的重要突破口。巨大的行业利好推动之下,人工智能在医学影像分析领域取得了巨大突破,高水平研究层出不穷,AI正在深度渗透医学成像领域也已成为业内共识。但AI赋能医疗影像走向大规模落地推广道路上却争议不断,存在诸多亟待解决的问题与挑战。对此,YOCSEF广州与深圳共同举办智能医学影像论坛,围绕“AI赋能医疗影像分析的壁垒在数据还是技术?”、“如何判断“AI+医疗影像”的可为与不可为?”、“AI+医疗的理论与其实际落地之间是否脱节?”、“如何培养AI+医学影像的跨学科人才?“等议题,共同探讨AI赋能医学影像分析的现状和未来。

引导报告嘉宾:

王瑞轩 中山大学计算机学院 副教授

雷栢英 深圳大学生物医学工程学院 特聘教授

杨 欣 华中科技大学电信学院 教授

高智凡 中山大学生物医学工程学院 副教授

论坛思辨嘉宾:

王书强 中国科学院深圳先进技术研究院 研究员

刘立志 中山大学肿瘤防治中心影像科 主任

李一鸣 深睿医疗 联合创始人&CTO

论坛执行主席:

李冠彬 中山大学计算机学院副教授,CCF YOSCEF 广州AC委员

汤步洲 哈尔滨工业大学(深圳)计算机科学与技术学院副教授,CCF YOSCEF 深圳主席

主办单位: 中国计算机学会(CCF)

承办单位: 中山大学计算机学院

哈尔滨工业大学(深圳)计算机科学与技术学院

支持单位: 广州唐邦信息科技有限公司

论坛诚挚邀请CCF与CCF YOCSEF同仁、高校师生及企业人士参加,期待您的光临!

论坛议程

13:40-14:30

会议签到

13:50-14:20

参观国家超级计算广州中心

14:30-14:35

嘉宾介绍、论坛背景介绍

14:35-14:40

YOCSEF总部AC致辞

YOSCEF 总部主席 陶耀东)

14:40-14:45

承办单位致辞

(中山大学计算机学院领导致辞)

14:45-14:50

承办单位致辞

哈尔滨工业大学(深圳)计算机学院领导致辞

14:50-15:50

第一阶段:引导报告 (主持人:李冠彬、汤步洲)

引导发言1:中山大学计算机学院 王瑞轩

题目:基于医学图像的疾病智能诊断-部分挑战与示例

引导发言2:深圳大学生物医学工程学院 雷栢英

题目:面向临床应用的智能筛查、检测和诊断

引导发言3:华中科技大学电信学院 杨欣

题目:医学影像智能检测分割中的小样本与大数据学习

引导发言4:中山大学生物医学工程学院 高智凡

题目:心脏医学影像智能分析

15:50-16:05

合影、茶歇

16:05-17:30

第二阶段:技术思辨 (主持人:李冠彬、汤步洲)

 

1.  AI赋能医疗影像分析的壁垒在数据还是技术?

2.  如何判断“AI+医疗影像”的可为与不可为?

3.  AI+医疗的理论与其实际落地之间是否已经脱节?

4.  “AI+医学影像”人才如何培养模式之“AI+医疗”与“医疗+AI”孰优孰劣?

17:30-17:40

论坛总结

 

嘉宾介绍

引导报告嘉宾:

王瑞轩,副教授,中山大学“百人计划”引进人才,新加坡国立大学博士。目前专注于深度学习方法的研究及其在医学图象分析中的应用。曾参与多项英国及欧盟科研项目、主持国家自然科学基金面上项目、科技部重点研发项目子课题等国家及省市级科研项目近10项,在计算机视觉、模式识别、医学图像处理等领域的IEEE TIP、Nature Communications、ICCV、CVPR、MICCAI等国际知名期刊和会议上发表论文50余篇,并获得学术国际竞赛冠军3项。目前担任MICS专委会委员与CAA混合智能专委会委员,长期担任TMI、MIA、TIP、PR等国际学术期刊审稿人和MICCAI、CVPR、ICCV等国际学术会议程序委员会委员。

报告题目:基于医学图像的疾病智能诊断-部分挑战与示例

报告摘要:深度学习技术在医学图像智能分析中的应用越来越广泛深入。但是在疾病智能诊断方面,还存在一系列挑战急需解决,包括在训练数据有限、常见病与罕见病数据严重不均衡、难于及时收集到部分疾病的数据等情况下如何有效地训练疾病智能诊断模型。本报告将简要汇报我们在这几方面的初步解决方案和应用示例。

雷柏英,国家高层次人才入选者,深圳大学特聘教授,(留学)博士生导师,深圳市海外高层次人才 (孔雀计划)、深圳市高层次后备级人才,深圳市孔雀团队核心成员等,获新加坡南洋理工大学博士学位。先后在美国北卡大学教堂山分校和法国计算和自动化研究所等研究机构进行研究和访问。主要研究方向为医学图像处理和人工智能。在IEEE TMI、IEEE TNNLS、Medical Image Analysis 以第一/通讯作者 (含共同)发表SCI论文102篇 (19篇IEEE汇刊、1篇ESI高被引)。谷歌学术总引用4666次,单篇文章最高引用321次,H指数32。获授权专利22项 (3项已转让)。主持国家自然科学基金面上项目等共19项。现任IEEE TNNLS、IEEE TMI、Medical Image Analysis、Neural Computing & Application 编委。现为IEEE 高级会员,IEEE Bio Imaging Signal Processing (BISP)Technical Committee (TC)技术委员会委员 (中国1人),Biomedical Imaging and Image Processing (BIIP) TC技术委员会委员 (中国2人),医学图像顶级学术会议MICCAI2021、MICCAI2022领域主席,IEEE Guangzhou Section, Women in Engineering Affinity Group 主席,人工智能A类会议AAAI(2019,2020)、IJCAI(2019,2020)程序委员会委员、中国人工智能学会(CAAI)青工委委员、模式识别与人工智能专委、计算机视觉专委、女科技工作者工作委员,阿尔茨海默病防治协会人工智能技术专委、中国图像图形学学会(CSIG)人工智能专委、脑图谱专委、女科技工作者工作委员、青工委委员,生物医学工程学会青工委委员。指导学生获MICCAI国际竞赛3项任务冠军。获吴文俊人工智能科学技术奖三等奖 (排名第3),深圳市科学技术奖一等奖 (排名第3)。2020年和2021年入选美国斯坦福大学发布的“全球前2%顶尖科学家”。2021年入选全球顶尖前10万科学家。

报告题目:面向临床应用的智能筛查、检测和诊断

报告摘要:智能医学图像处理是智能医疗的重要分支,也是医疗机构、科研、产业和政府共同关注的焦点。然而,医学图像具有“样本量小”、“特征维度高”、“特征表达性差”等局限性,增加了智能医学图像处理在临床应用的难度。本报告以医学图像为切入点,基于人工智能方法,重点介绍智能筛查、智能检测和智能诊断三个方向的研究工作。1)针对超声工作流程难以标准化、标准切面提取困难、不利于疾病筛查等问题,提出将传统特征和深度特征相结合的方法,构建超声图像质量评估、分割和识别的模型,提高超声筛查效率及检测效果。2)针对临床上疾病检测耗时费力、自动化程度低等问题,提出基于深度学习的高精度智能检测模型,实现对宫颈癌、黑色素瘤、眼科疾病等的临床辅助检测。3)针对大多数脑疾病临床诊断标准模糊、主观性强、患者特异性高、个体差异性大、数据维度高等难题,结合传统机器学习和深度学习的方法,通过时空约束和纵向分析等挖掘大脑的生物标记物,实现脑疾病智能诊断。

杨欣,华中科技大学电信学院教授,国家优青获得者;博士毕业于加州大学圣塔芭芭拉分校,主要从事计算机视觉和医学影像分析领域研究工作,已在国际权威期刊及学术会议上发表学术论文90余篇,授权美国/中国发明专利6项,出版英文书籍章节2部;获得中国图象图形学会石青云女科学家奖;担任SCI期刊IEEE-TMI及Multimedia System编委及ACM MM2018和MICCAI2019-2021领域主席;现任CSIG青工委副秘书长,CCF多媒体专委会副秘书长等。

报告题目:医学影像智能检测分割中的小样本与大数据学习

报告摘要:深度学习在计算机视觉领域的成功与大数据密不可分,然而,医学影像数据隐私性强、标注难度高、收集难度大,导致医学影像高质量、细粒度标注样本规模受限,使深度学习方法精度和泛化能力不足。本报告将介绍如何充分利用医学影像数据,从数据、标注、模型的角度设计高性能医学影像智能检测分割深度学习方法。具体介绍以下工作:1)邻域知识约束下的检测分割模型,利用医学领域先验知识,约束小样本下基于深度学习的检测与分割模型学习;2)融合多中心数据的联邦学习方法,保证数据隐私的同时利用跨中心数据增加数据量与多样性;3)基于弱监督学习的医学图像分割方法,通过充分利用多种不同类型弱标注医学大数据(无标注、噪声标注、粗粒度标注、部分标注)提升医学图像分析性能。

高智凡,中山大学生物医学工程学院副教授。主要从事心脏医学影像分析方面的研究工作10余年,在IEEE TMI, IEEE JBHI, IEEE TNNLS, Medical Image Analysis, Neural Networks等国际期刊和会议发表论文40余篇,论文入选ESI高被引论文4篇和ESI热点论文1篇,谷歌学术引用1200余次,H-index为22,授权国家发明专利7项。曾获得吴文俊人工智能科学技术奖优秀青年奖和中国科学院院长特别奖。目前担任2个国际期刊的编委会成员,30多个国际期刊和会议的审稿人,以及AAAI 2021、IJCAI 2021等人工智能顶级会议的程序委员会委员。