分论坛 > 济南 > 新闻动态
CCF YOCSEF济南举办“ AI时代的脑图像分析与处理技术”技术论坛
2021-10-21 阅读量:503 小字

2021年10月16日下午,CCF YOCSEF济南在山东烟台成功举办了题为“AI时代的脑图像分析与处理技术”的技术论坛,本次论坛由山东工商学院计算机科学与技术学院承办。CCF YOCSEF济南AC委员程大鹏、CCF YOCSEF济南AC委员姜新波担任本次论坛执行主席,CCF YOCSEF济南副主席王朋、CCF YOCSEF济南学术秘书杨晓晖担任线上主席。论坛采用线下线上相结合的方式,对智能辅助诊断、医学图像分类等相关前沿技术进行探讨,聚焦如何进一步推动以脑图像智能分析处理为代表的医学影像新技术发展,促进学术与产业的交流与合作,对接国家和地方科技发展需求。

杭州市第一人民医院放射科主任医师丁忠祥、西安理工大学计算机学院教授石争浩、中国科学院自动化研究所研究员马喜波、烟台毓璜顶医院大数据与人工智能实验室主任毛宁作为现场嘉宾出席了本次论坛,海南大学计算科学与技术学院教授张清辰也作为线上嘉宾出席了本次论坛。现场观众包括烟台毓璜顶医院、济南大学、烟台大学、山东建筑大学、鲁东大学、山东科技大学、山东工商学院等企业和院校的专家、同行约五十余人参加了本次论坛。

Fig1

山东工商学院计算机科学与技术学院刘培强院长致辞,介绍了出席本次论坛的嘉宾以及学者,并对YOCSEF济南进行了简单介绍,感谢YOCSEF济南对学院学科发展的大力支持。YOCSEF济南副主席刘新锋做文化培训,对YOCSEF的定位、文化和论坛议程做了详细介绍。

论坛第一阶段为嘉宾引导发言,由执行主席程大鹏来主持,陈小波为特邀主持。海南大学计算科学与技术学院教授张清辰分享了智能医学关键技术的相关研究,针对多模态异构数据诊断精度低、个性化动态治疗方案选择困难的状况,介绍团队在智能辅助诊断和治疗方案推荐等方面的研究进展,并对今后智能医学在疾病管理,比如疾病预测和病历报告生成等方面提出了展望。杭州市第一人民医院放射科主任医师丁忠祥以脑缺血患者ASPECTS评分临床需求以及评分的临床难点为切入点,重点介绍了人工智能辅助的ASPECTS评分在临床医学的应用价值以及对未来人工智能在CT平扫、CTP、MRI等影像综合性分析方面的应用进行展望。西安理工大学计算机学院教授石争浩结合近两年在医学CT图像处理与分析方面的课题实践,针对医学CT图像的处理方法、研究现状及未来发展进行探讨,重点汇报团队应用深度卷积迁移技术进行CT肺结节图像分类的工作,并提出在未来我们需要在规范标注数据方面做进一步的提升和评价,结合临床需求研发多任务模式的AI技术,才能实现辅助医师诊疗的目标。中国科学院自动化研究所研究员马喜波提出在药物的评估领域,人工智能技术的相关研究还处于起步阶段,她分享了团队在该领域的一些初步的进展,包括基于生理信号监测技术的进展,基于视频的药物作用前后动物行为的变化评估等。烟台毓璜顶医院大数据与人工智能实验室主任毛宁以影像人工智能为主题,介绍团队在乳腺癌影像智能辅助诊断和治疗决策支持等方面的研究进展,并总结了未来研究热点方向:多中心研究、多模态AI、深度学习新方法等。

Fig2

论坛第二阶段是思辨环节,由执行主席姜新波主持。思辨共分2个议题,第1个议题的主题是“如何在脑图像数据相对小量条件下训练适应性更强的模型?” 针对议题1的子问题“如何在保护患者隐私的基础上扩充脑图像,尤其是扩充符合要求的脑图像?”,嘉宾们的观点提到可以采用数据增强,做旋转、偏移等某一种变化去扩展数据,这种思路对医学影像也是可用的;可以用生成网络,通过数据去驱动生成网络;用人工方法,合成适用于问题的模型;小样本情况下,先验知识,人工经验和深度网络模型进行结合,也是一种方案。嘉宾丁忠祥指出从理论上扩大数据量是可以的,但在临床上是有困难的。如果样本量足够大,则某一特征明显,如果样本量很小,那么实际工作起来会有问题,所以更多的让学生们去做常见多发病的研究,比如肺结节、肝癌等,深度学习可以捕捉到人眼看不到的东西,是它真正价值的体现。

Fig3

议题1的另一子问题是“如何在脑图像数据相对小量情况下,通过技术手段训练适应性更强的模型?”。针对人工智能在医学领域的适用性,嘉宾们展开了激烈讨论。嘉宾郑强提出技术提出的时候首先不是应用于医学的,有多大程度能用到医学领域还是个未知数,如果想在很小的数据量下得到一个很强的结论,这个在目前来说是很难实现的。嘉宾石争浩提出不同观点,他认为医学的小样本是一个伪命题,人工智能是可以解决临床问题的,在传统机器学习算法下,模型本身就是从经验里得到的,在小样本情况下,泛化能力和稳定性是不错的,把医学领域里影像病例的先验知识和传统的或机器学习模型有效的结合起来,是可以得到鲁棒的结论的。针对如何训练适应性更强的模型,嘉宾刘通提出为了提高参数的表达效率,可以把需要很多参数的模型整个网络的宽度压缩一下,就可以把样本量减下来。

Fig4

议题2的主题是“如何更好地使用脑图像分析和处理结果为临床医生诊断提供有效辅助?”,首先嘉宾们围绕“医疗软件除了给出最终的诊断结果,是否存在其他方式或者中间结果来更好地辅助医生?”这个子问题进行了讨论,给出的答案是肯定的。嘉宾石争浩认为开发一个自动化系统本身就很有帮助,也可以开发一个软件,降低假阳性,以及使用人工智能提前检测治疗方案,做一个预案,也可以为医生诊疗提供帮助。嘉宾丁忠祥从临床经验出发,为我们介绍了影像方面的应用除了诊断以外,预测也是可行的。预测分两种,分别是对疾病本身的预测,以及疗效评价预测,并列举了一些实际案例来进行解释。

在“是否能够通过技术手段同时降低漏检率以及误检率?”这一问题中,嘉宾们的观点也达成一致,通过技术手段同时降低漏检率和误检率是可行的,但人工智能产品不是万能的,仍会出现误检和误报,高的敏感性会带来高的假阳性,因此仍要与医生的专业诊断相结合,提供辅助作用,可以有效降低误检率。嘉宾丁忠祥分享自己用了人工智能之后,基本上很少漏检,并提出把单病种和多病种结合研究,可以有效降低漏检率。最后嘉宾郑强指出,工科在做医学方面学术研究时,应该想明白目的是做图像处理还是利用图像处理解决医学问题,我们不能单纯把目光聚焦在某一个指标,比如准确率上,更应该将其在临床上验证,注重其用于临床医学的价值上,才能结合人工智能更好的为临床医生诊断提供有效辅助。

主持人姜新波对思辨环节进行总结,形成以下结论:

1. 针对脑图像数据相对小量情况,可以采用迁移技术、数据增强、生成网络、人工合成、人工经验和深度网络模型进行结合等方法对脑图像进行扩充,再使用深度学习来训练模型。在训练过程中,可以通过提高参数的表达效率,降低训练模型所需的数据量,从而训练出适应性更强的模型,为医生提供辅助作用。

2. 医疗软件除了给出最终的诊断结果,也可以通过检测治疗方案,对疾病态势和疗效评价效果等进行预测,从而更好地辅助医生。人工智能可以通过技术手段同时降低漏检率以及误检率,但是也会出现一些误检和误报现象,因此必须与医生诊断有效结合,才能取得最好的效果。

3. 在做医学图像处理研究之前,有必要考虑其在临床上的应用价值,算法的进步也必须需要通过临床来检验,单纯提升方法的某一个指标,如准确率等,而缺乏临床验证是没有意义的。

本次论坛执行主席程大鹏做了最后总结发言,并感谢各位演讲嘉宾的精彩报告,感谢与会人员的热烈讨论,希望大家继续支持YOCSEF济南分论坛的各项活动!






CCF聚焦