我院两篇论文被MICCAI 2019(国际医学图像计算和计算机辅助干预会议)录用

发布者:闻天明发布时间:2019-07-05浏览次数:13

近日,国际医学图像计算和计算机辅助干预会议MICCAI2019 (International Conference on Medical Image Computing and Computer Assisted Intervention, MICCAI)录用结果公布,我院高飞教授课题组和高盛华教授课题组共有2篇论文被接收。

MICCAI是由国际医学图像计算和计算机辅助干预协会(Medical Image Computing and Computer Assisted Intervention Society) 举办,跨医学影像计算(MIC)和计算机辅助介入 (CAI) 两个领域的综合性学术会议,是该领域的顶级会议。MIC研究方向包括人工智能、机器学习、图像分割与配准、计算机辅助诊断、临床和生物医学应用。CAI集中在介入部分,包括追踪和导航、介入式影像、智能医疗手术机器人等。该国际顶级学术会议具有以下特点:高度国际化134所全球顶级科研高校的世界权威研究团队)、覆盖范围广(智能化医学检测、诊断与治疗领域,聚焦热点技术、关键理论、重大疾病应用与交叉融合领域,覆盖了计算病理学、脑疾病诊断、超声成像分析、智能化手术引导等多个领域)、学科前沿交叉(不仅关注疾病诊断,更强调疾病智能化的治疗引导,如智能化的放射治疗以及基于增强现实的手术引导策略等重点领域,同时将在深度学习、迁移学习、统计图谱、域自适应等热点方向开展专题研讨)以及多元化交流等。

今年是我院首次投稿该会议,据了解,今年MICCAI论文投稿数量创历史新高,相比去年增长了70%,遵循MICCAI对学术交流的深度和质量要求,论文录取严格控制质量,录取率在30%左右。会议将于20191013日至17日在中国深圳召开,参会人数有望突破5000人。

高飞教授课题组与高盛华教授课题组合作发表的论文题目为 “Ki-GAN: Knowledge Infusion Generative Adversarial Network for Photoacoustic Image Reconstruction in vivo”。文章首次提出了一种新的基于深度学习光声图像重构模型,区别与已有的非迭代式的重构方法(包括直接处理和后处理方案),该模型通过融入传统背投影算法的物理信息为深度学习重构模型提供了重要的纹理信息。通过对物理信息的融合,使得模型在保证成像速度的同时提高网络的鲁棒性,其在实验数据中也表现出了令人满意的结果。高飞教授课题组的兰恒荣同学和高盛华教授课题组的周康同学为该论文的共同第一作者,高飞教授和高盛华教授为共同通讯作者。

1. 用于光声图像重构的网络(Ki-GAN)

2. 图像重构结果

3. 使用小鼠腿部实验数据的重构结果

高飞教授课题组独立发表的论文题目为 EDA-Net: Dense Aggregation of Deep and Shallow Information Achieves Quantitative Photoacoustic Blood Oxygenation Imaging Deep in Human Breast。文章基于深层聚合的概念,提出了使用编码器,解码器,聚合器来获取丰富的特征表示,这种密集的聚合信息有助于从多波长光声图像中提取不同波长之间的关联信息,从而准确的推断出氧饱和度(sO2)的定量分布。这是第一次使用DL来量化人类乳腺的氧饱和度,同时我们也是第一次进行了2~21个不同波长组合对定量结果影响的探讨,这可以为QPAI系统的开发提供有意义的指导。高飞教授课题组的研一学生杨长春为该论文的第一作者,高飞教授为通讯作者。

4. 多波长定量sO2的总体架构(EDA-Net)

5. 病人2的一些实验示意图

6. sO2的定量结果及绝对误差

以上2篇论文的工作全部在上科大完成,上科大为第一完成单位。相关研究得到了上海科技大学科研启动基金,国家自然科学基金,以及上海市自然科学基金的支持。