2019年8月24-26日,第三届图像计算与数字医学国际研讨会(ISICDM 2019),将在西安索菲特酒店召开。研讨会由国际数字医学会与国家天元数学西北中心联合主办,西安电子科技大学数学与统计学院与空军军医大学(第四军医大学)生物医学工程学院联合承办。
雷锋网&AI掘金志将第三次作为大会首席合作媒体,全程参与ISICDM的报道。
本届论坛,由中国科学院院士、西安交通大学徐宗本教授,中国工程院院士、空军军医大学俞梦孙教授,担任大会名誉主席。
MICCAI创始主席、耶鲁大学James Duncan教授,加拿大皇家科学院院士Terry Peters教授,长征医院影像医学与核医学科主任刘士远教授,共同出任大会主席。
广东省人民医院影像医学部主任兼放射科主任梁长虹,罗格斯大学计算机系主任、前CVPR、ICCV、MICCAI大会主席Dimitris Metaxas教授,担任大会指导委员会主席。
空军军医大学卢虹冰教授,西安电子科技大学袁景教授,东北大学赵大哲教授,担任大会程序主席。
研讨会围绕图像计算和数字医学中的重要理论、算法与医学临床应用问题进行深入探讨,旨在促进信息科学、数学和医学等领域的交流与交叉合作。
ISICDM自2017年创立以来,共邀请到300余位大会报告及专题报告嘉宾,其中包括中国、美国、英国、法国、德国、加拿大、荷兰的科学院/工程院院士,ACM、IEEE、AIMBE等学会Fellow,CVPR、ICCV、MICCAI大会主席,以及MRI、Medical Image analysis、IEEE TBME、IEEE TIP主编和TPAMI、IJCV、IEEE TIP、IEEE TMI副主编。
本届论坛中,中国科学院院士徐宗本教授、美国工程院院士John Gore教授,加拿大皇家科学院院士Terry Peters教授,英国皇家科学院院士郭毅可教授,四位院士将莅临本次大会。
与此同时,MRI主编(美国工程院院士、范德堡大学John Gore教授)、Medical Image analysis主编(耶鲁大学James Duncan教授)、IEEE TBME主编(芝加哥大学潘晓川教授)也会在大会的多个环节(主论坛报告、圆桌讨论、8月27日前沿讲习班)中发言,并一同出席8月24日的「期刊主编点评论文报告会」。这也是John Gore与James Duncan第二次出席ISICDM。
与此同时,越来越多的医院院长、科室主任也连续多届出席ISICDM,从临床出发,向与会者分享医生视角的医工交叉与技术需求。
本届ISICDM,大会开幕的前一天,8月23日组委会将设置临床数据分析挑战赛(排位赛与决赛),以及人工智能科普讲座。
8月24日,大会设置影像组学与人工智能、功能成像及神经影像、图像重建进展论坛、数据模型与算法、数字医疗与智能诊疗、医学图像分析与深度学习、脑机接口与人机混合智能、期刊主编点评论文报告会,8大专题论坛。
晚间,ISICDM则开设「理工医跨学科交流会」与「BME她论坛」(中国生物医学工程学会女性科技工作者协会主办)。
理工医跨学科交流会,是本次论坛的亮点环节,现场将由三组专家团组成,他们分别是医生专家组、理工科专家组和嘉宾评审组,交流会首先由医生陆续提出自己遇到的影像分割、重建等图像计算需求,随后由理工科专家现场根据问题,讲述解决方法。每个环节结束后,由嘉宾评审团现场总结,并提出其他方法。
8月25日与8月26日,则进入ISICDM大会主议程,由美国工程院院士John Gore做开幕式致辞,每日各设置9个大会报告与1个圆桌讨论,嘉宾由海内外院士、Fellow、顶会主席及顶刊主编和知名医生组成,围绕图像计算、数字医学和人工智能等议题进行学术交流。其中,此前鲜有出席国内学术论坛的两位来自加拿大的国际知名学者颇受关注,他们分别是加拿大卫生科学院院士Aaron Fenster教授和加拿大皇家科学院院士Terry Peters教授。
Aaron Fenster是三维超声发明人以及超声手术导航技术的开创者,2010年获加拿大生物物理学家组织金奖。2013年,由于在医学物理和医疗进步做出杰出贡献,被国际医学物理组织评选为过去50年中世界前50名医学物理学家之一。
Terry Peters则是世界著名的神经与心脏微创手术图像导引权威,多次担任医学影像顶会MICCAI大会主席,2014年获MICCAI长期影响力奖。
圆桌对话分别由MICCAI学会创始主席James Duncan、中科院计算所研究员周少华主持。其中John Gore院士将作为圆桌嘉宾,分享自己对深度学习在MRI成像中应用的看法。
近些年,随着技术方法的多元化发展,医学影像AI的研究方向也分为两大派别:传统的应用数学建模派和数据驱动的深度学习派。
数学建模派,强调人工设计和数学论证,通过预先构建先验知识,在不过度依赖大数据的前提下,开发出一个可解释的、高精度、可解决诸多长尾问题的“智能模型”。不少专家认为,医学AI中有大量Mission Critical和长尾问题,这对研究人员的整体系统设计能力要求非常高,因此人的作用就显得尤为重要。
深度学习派的做法,则通过获取更多标注数据,设置更多参数,用更强大的算力,训练出一个能够学习更多维度特征的“经验模型”。
在过往的一段时间里,深度学习派当道,DL成为了绝对主流的研究方法。随着深度学习的鲁棒性不足、缺乏可解释性、对大量高质量训练数据和手工标注的依赖等弊端被越来越为人所诟病,基于知识的数学建模方法因其天然的透明性和可解释性而被不断改进与提升,后劲十足,仍然具有广阔的发展空间。事实上,在深度学习占据主流地位的今天,仍然有不少学者专注于基于知识的数学建模,通过把领域知识融入算法来提高算法性能。
两大流派,将走向无尽的博弈,还是顺利地实现融合?8月24日-26日,第三届ISICDM的百位理工医报告嘉宾将与大家共同交流探讨。