2023第十四期中国图象图形学学会珠峰论坛—医学信息智能处理与分析专题研讨会

中国图象图形学学会珠峰论坛是由中国图象图形学学会青年工作委员会发起的学术论坛。本论坛主要针对图象图形学领域的一个特定研究方向，为广大学者提供学术交流与研讨的平台，促进学者之间的交流与合作，并邀请工业应用部门与学会青年学者做深入交流，鼓励相关领域的“产学研”合作。

第十四期珠峰论坛将于2023年11月在温州召开，主题为：医学信息智能处理与分析专题研讨会，论坛拟邀请医学数据分析、图形图像处理、人工智能等相关领域的学者、杰出企业代表及研究生参与，多位领军级专家学者做特邀报告，分享医学信息智能处理等国际前沿技术。

专家简介

沈定刚 教授

报告题目：Artificial Intelligence in Life-Span Brain Health Study

报告摘要：In this talk, I will introduce our recently-developed AI methods for 1) infant brain development study from 0 to 6 years old, for precise charting of dynamic early brain developmental trajectories in understanding normative and aberrant brain growth, and 2) aging study (over 60 years old), for characterizing normal aging and unnormal aging related to Alzheimer"s disease.

个人简介：上海科技大学教授、生物医学工程学院创始院长，上海联影智能医疗科技公司联席CEO，IEEE/AIMBE/IAPR/ MICCAI Fellow，美国放射学及生物医学影像研究院的杰出研究者奖。曾任美国北卡罗来纳大学教堂山分校(UNC-Chapel Hill) 终身教授，冠名杰出教授，实验室主任、中心主任。在美国期间，从事机器学习、人工智能在医疗辅助诊断中的应用研究，包括早期脑发育和自闭症的诊断，老年痴呆症的早期诊断与预测，脑肿瘤的诊断、预后和放射治疗等，是世界上最早开展医学影像人工智能研究的科学家之一，并最先将深度学习应用于脑发育、脑疾病的分析，发表论文1590余篇，H-index 128，引用7万余次，担任Frontiers in Radiology主编，八个国际期刊的现任编委，MICCAI 2019大会主席。

陈新建 教授

报告题目：眼科医学影像人工智能诊断

报告摘要：当前中国的眼科疾病形势非常严峻，各类眼科疾病如糖尿病视网膜病变，老年性黄斑变性，青光眼，病理性高度近视眼病等，患者人数众多，约有近亿人。光学断层扫描成像（optical Coherence Tomography，OCT）、眼底彩照等技术在临床中为眼科疾病的诊断和治疗提供了重要技术支持和指导。本报告围绕基于人工智能的眼科影像诊断与分析进行展开。报告主要介绍了眼底影像的处理与分析方法，各类不同眼科疾病的影像疾病诊断与量化分析，以及基于OCT影像的眼科疾病筛查技术等。

个人简介：苏州大学特聘教授，博士生导师，国家优秀青年基金获得者，国家青年973项目首席科学家，国家重点研发计划项目首席科学家。主要研究方向为医学图像处理及其临床诊断应用。截至目前共发表200多篇国际顶级期刊/会议论文，获得中国发明专利授权30余项，美国专利授权1项；主持国家及省部级项目近十项；获得吴文俊人工智能技术发明一等奖1项（排名第一），中国国家科学技术进步二等奖1项，江苏省科学技术奖二等奖1项，北京市科学技术奖二等奖2项和信息产业部重大技术发明奖1项。自主研发完成了国内首个跨平台（Windows, Linux, Mac）的眼科多模态医学影像处理与分析软件系统，以及全自动人工智能眼科OCT成像系统；获批国家CFDA医疗器械二类证2项，所研发产品在国内100余家眼科中心进行了临床应用推广。

刘勇教授

报告题目：基于磁共振影像的阿尔茨海默病脑网络梯度异常表征研究

报告摘要：阿尔茨海默病(Alzheimer Disease, AD)是一种不可逆的神经退行性疾病。利用脑影像研究AD的早期影像学标记是目前的主方向之一。本报告将介绍基于磁共振影像进行脑网络梯度研究的主要方法和应用，并以多中心AD的异常表征为例，重点介绍跨中心探寻客观定量、可重复脑内梯度异常表征及可能的生物学意义，与大家共同探讨基于脑影像多角度进行个体化定量预测的可行性。

个人简介：北京邮电大学人工智能学院教授。主要研究方向：脑影像智能理解。研究工作以探究多中心、多模态脑影像计算方法及阿尔茨海默病(AD)的影像异常表征为核心。以通讯(含共同)作者发表论文40余篇, 包括Science Bulletin, Advanced Science, Biological Psychiatry, Brain等；论文他引8000余次。授权专利5项。作为课题负责人承担包括科技部科技创新2030-重大项目、国家重点研发计划、国家自然科学基金重点项目等。入选北京市自然基金杰出青年基金(2020)等，获吴文俊人工智能科学奖自然科学一等奖（2019，排名第2）等学术奖励。入选Elsevier中国高被引学者(2020, 2021, 2022)。

樊鑫教授

报告题目：面向医学影像配准的通用算法学习

报告摘要：可变形配准是医学影像分析，如手术导航、肿瘤定位、器官分割等必不可少的关键技术。无论是从传统的能量优化方法还是深度学习方法中衍生出的成功配准算法，都需要计算机专家投入大量精力，设计网络架构，设置调整超参数等。本报告将系统地介绍一种自动学习配准算法（AutoReg），这个算法能够同时优化配准模型的三个主要组成成分：即特征提取模块、变形估计模块及其相应的训练目标。这一创新性的算法使得非计算机专家也能轻松地找到适用于各种配准场景的现成配准解决方案，为医学影像分析领域的发展提供了便捷而高效的支持。

个人简介：大连理工大学国际信息与软件学院院长、博士生导师。主要研究方向机器视觉和图像处理，主持1项国家自然科学基金重点项目，3项面上/青年项目。在图像处理领域顶级期刊和会议IEEE TPAMI, TIP,CVPR, ICCV等发表论文100余篇。获国家教学成果二等奖1项，省教学成果奖2项，省科技进步二等奖1项，首届辽宁省优秀研究生导师。指导学生获得国家奖学金3人次、辽宁省优秀硕士论文3次、重要国际学术会议最佳论文/候选5次。申请/授权国际/中国发明专利75项，成果已在国家重大项目和服务器人领域落地应用。

邬霞教授

报告题目：Intelligent analysis of brain functional data（脑功能数据智能分析）

报告摘要：大脑是人类智能的核心，对于人脑的研究特别是对于人脑高级认知功能脑机制的研究已经成为了重要的研究课题。先进的智能计算方法为这方面的研究带来了新的机遇和挑战。脑功能数据存在结构复杂、时空共变以及来源异构三个特点，综合多层次信息，建立先进的智能计算模型，成为认识和了解大脑工作机制的最重要手段。本报告将介绍利用智能计算方法探究不同认知状态下大脑的工作机制，期望智能计算的引入能帮助进一步探明脑神经机制，促进脑科学发展；同时，脑机制的明晰也能为智能算法的发展提供脑科学的理论支撑和启发。

个人简介：北京师范大学人工智能学院教授、博士生导师，国家自然科学基金杰出青年基金、优秀青年基金、教育部新世纪优秀人才、吴文俊人工智能科学技术奖自然科学一等奖、教育部自然科学二等奖、茅以升北京青年科技奖获得者。主要研究方向为脑信号智能分析、类脑算法等。近年来，主持承担国家自然科学基金重点项目、面上项目以及国家重点研发计划子课题等十余项，以第一/通讯作者在IEEE TNNLS、IEEE TKDE、IEEE TAFFC、NeuroImage、Medical Image Analysis、JBHI、IPMI、MICCAI等国内外重要学术期刊、会议发表论文百余篇。

高跃副教授

报告题目：Hypergraph Computation: Theory, Method and Applications（超图计算：理论、方法及应用）

报告摘要：客观物理世界包含广泛的复杂相互作用，在生命科学、认知科学及信息科学等领域均是通用模式。诺贝尔物理学奖获得者Philip Anderson在其1977年发表的Science论文中指出“在复杂性的每一个层次，都会有崭新的性质出现”，如何深入挖掘物理世界表征背后的复杂关联是亟待解决的基础科学问题。本报告主要介绍面向复杂高阶关联建模与计算的超图计算理论、方法及应用。在超图计算理论部分，介绍高阶关联建模的必要性判定问题和超图同构计算。在超图计算方法部分，介绍由数据到高阶关联的映射的超图结构建模方法和由高阶关联到语义表示的映射的超图神经网络方法。最后，介绍超图计算在医学信息智能处理与分析等领域的应用。该系列理论方法突破了传统图结构等方法受限于高阶关联建模的难题，实现了由低阶到高阶的关联建模模式演进，解决高阶关联难刻画、复杂语义难解析的挑战，形成一套完整的高阶关联计算理论框架。

个人简介：清华大学长聘副教授、博士生导师。入选国家级人才项目、DeepTech 2022年中国智能计算科技创新人物，主要研究领域为人工智能、计算机视觉及医学图像处理，特别是超图计算基础理论、方法及应用，在IEEE TPAMI等国际期刊及会议发表论文百余篇，论文引用万余次，出版《Hypergraph Computation》英文专著，多次入选Web of Science高被引科学家和爱思唯尔中国高被引学者。获得中国电子学会自然科学一等奖、福建省科技进步一等奖等。

夏勇教授

报告题目：多模态医学影像智能分析

报告摘要：近年来，以深度学习为代表的人工智能技术在医学影像分析领域得到了迅速发展。其中，基于深度学习技术的多模态影像诊断受到越来越多的重视。通过联合训练，将不同模态的医学影像数据融合在一起，可以获得丰富的数据表征，并提高模型在不同模态数据上的泛化性能。然而，但如何有效的融合不同模态的数据，充分利用不同模态之间的互补性和相关性，仍然是一个巨大的挑战。本报告将围绕多模态医学影像分析的技术挑战，从病例图像、CT等不同模态数据，从自监督到全监督等学习方式这几个角度，介绍报告人课题组开展的相关研究和经验体会，并探讨多模态医学影像分析的机遇与挑战。

个人简介：西北工业大学计算机学院教授。研究方向为医学影像智能计算。近5年在JAMA Network Open､Radiology、IEEE-TPAMI/TMI/TIP､MedIA､NeurIPS､CVPR､MICCAI等本领域顶级期刊/会议发表论文80余篇，被引用10000余次（Google Scholar），先后在PROMISE12、ISBI 2019 C-NMC、BraTS2020/2021、MyoPS 2020、COVID-19 2020、KiTS21、COSMOS 2022、KiPA 22等国际学科竞赛中名列前茅；担任中国体视学学会理事、中国计算机学院数字医学分会常委、中国图象图形学学会视觉大数据专委会常委、陕西省计算机学会人工智能专委会主任，先后担任IBSI2017、MICCAI 2019/2020、ICASSP 2023地区主席或分会主席等。

陈慧灵教授

报告题目：Metaheuristics and Its Application in Medical Information Processing（元启发优化及其在医学信息处理中的应用）

报告摘要：元启发算法在医学信息处理中的潜力已引起广泛关注，尤其在医学数据特征选择和医学图像分割等相关问题上，它展现出了优越的搜索性能和鲁棒性。据此，我们课题组提出了一系列原元启发算法，如哈里斯鹰优化算法(HHO)、黏菌优化算法(SMA)、龙格库塔优化器（RUN）等。这些算法可以有效优化医学数据多维特征挖掘过程，通过跟机器学习方法联动挖掘高维医学数据中的关键特征，显著提升预测模型的相关性能。此外，这些算法也可应用于复杂的医学图像分割，通过准确寻找最佳分割条件，有效提升医学图像分割性能。本报告将深入介绍这些原创性元启发算法的设计原理，展示这些方法在医学信息处理中的应用。我们期望这些方法应用于医学领域中的更多问题，从而为医工交叉的发展提供新动能。

个人简介：温州大学计算机与人工智能学院教授、入选浙江省“万人计划”青年拔尖人才、第二批“浙江省高校领军人才培养计划”培养对象（高层次拔尖人才）等多项优秀人才计划。先后上榜 2022 全球学者学术影响力排行榜、2020/2021 中国高被引学者（Highly Cited Chinese Researchers）榜单、Guide2Research机构认定的中国计算机领域前 200 强科学家榜单，2021/2022年全球前 2%顶尖科学家榜单。长期致力于数据挖掘、智能计算方法研究及其在医学领域的应用研究。主持国家级、省部级、温州市重大科技专项等 10 余项课题，开发出多套智能辅助诊断系统并交付使用。在国际人工智能领域重要学术期刊发表论文 100 余篇，Computers in Biology and Medicine共同主编，Scientific Reports, Journal of Bionic Engineering,Journal of Computational Design and Engineering等多个国际 SCI 杂志编委。相关研究成果荣获中国商业联合会科学技术奖特等奖、中国产学研合作创新与促进奖一等奖、温州市第十五届自然科学优秀论文一等奖。

以下内容为GPT视角对医学信息智能处理与分析相关领域的解读，仅供参考：

医学信息智能处理与分析研究现状

1. 深度学习在医学图像分析中的应用：深度学习是一种基于神经网络的机器学习技术，已经被广泛应用于医学图像分析，例如，通过深度学习技术可以实现对MRI、CT、X光等医学影像的自动分析和识别。

2. 自然语言处理在病历分析中的应用：自然语言处理是一种处理和理解人类语言的技术，已经被广泛应用于病历分析，例如，通过自然语言处理技术可以实现对大量病历数据的自动分析和挖掘。

3. 大数据在医疗数据分析中的应用：大数据是一种处理和分析大量复杂数据的技术，已经被广泛应用于医疗数据分析，例如，通过大数据分析技术可以实现对医疗数据的实时分析和预警。

4. 机器学习在疾病预测和诊断中的应用：机器学习是一种通过训练和学习数据来实现预测和决策的技术，已经被广泛应用于疾病预测和诊断，例如，通过机器学习技术可以实现对疾病的早期预测和诊断。

5. 人工智能在个性化医疗中的应用：人工智能是一种模拟和扩展人类智能的技术，已经被广泛应用于个性化医疗，例如，通过人工智能技术可以实现对每个患者的个性化治疗和护理。

医学信息智能处理与分析有哪些实践案例

1. Google的DeepMind Health项目：DeepMind Health是Google的一个项目，它利用深度学习技术帮助医生分析医学影像，例如MRI和CT扫描，以提高诊断的准确性和效率。

2. IBM的Watson Oncology项目：Watson Oncology是IBM的一个项目，它利用自然语言处理和机器学习技术分析大量的医学文献和病历，以提供个性化的治疗建议。

3. Flatiron Health的项目：Flatiron Health是一个专注于癌症研究的公司，它利用大数据和机器学习技术分析大量的癌症病例，以帮助医生和研究人员更好地理解癌症的发展和治疗方法。

4. Tempus Labs的项目：Tempus Labs是一个专注于癌症研究的公司，它利用人工智能技术分析大量的临床和分子数据，以提供个性化的癌症治疗方案。

5. Zebra Medical Vision的项目：Zebra Medical Vision是一家专注于医学影像分析的公司，它利用深度学习技术分析医学影像，以实现对多种疾病的早期检测和诊断。

医学信息智能处理与分析领域有哪些知名企业或品牌

1. Google：Google的DeepMind Health项目就是一个典型的例子，该项目利用深度学习技术帮助医生分析医学影像，以提高诊断的准确性和效率。

2. IBM：IBM的Watson Oncology项目也是一个典型的例子，该项目利用自然语言处理和机器学习技术分析大量的医学文献和病历，以提供个性化的治疗建议。

3. Flatiron Health：Flatiron Health是一家专注于癌症研究的公司，它利用大数据和机器学习技术分析大量的癌症病例，以帮助医生和研究人员更好地理解癌症的发展和治疗方法。

4. Tempus Labs：Tempus Labs是一家专注于癌症研究的公司，它利用人工智能技术分析大量的临床和分子数据，以提供个性化的癌症治疗方案。

5. Zebra Medical Vision：Zebra Medical Vision是一家专注于医学影像分析的公司，它利用深度学习技术分析医学影像，以实现对多种疾病的早期检测和诊断。