专栏名称: AI掘金志
雷锋网《AI掘金志》频道:只做计算机视觉 +「安防、医学影像、零售」三大传统领域的深度采访报道。
目录
相关文章推荐
51好读  ›  专栏  ›  AI掘金志

对话 MICCAI 创始主席 James Duncan:中国学者应拓宽国际视野,把握更多主动权

AI掘金志  · 公众号  ·  · 2019-09-06 16:17

正文


“我想对年轻研究人员说的一件事是,学习是件好事,你需要同时具有广度和深度。真正深入思考,并立志做出一些贡献,要相信自己的创意和直觉,敢于和教授们争论,然后把想法分享给大家,让他们批评,这样你才能真正拥有一些东西。

作者 | 李雨晨



“1998年,第一届MICCAI在麻省理工学院举办时,没有人预想到它会发展成为如今的规模,因为那时候的参会人数只有400人左右。但是近几年来,AI技术渗透到了每个角落,也随之点燃了医学影像分析。我们看到,现在图像重建、增强、分类等方向都在大范围应用深度学习和其他有意思的方法。不得不说,这是一个振奋人心的时代。”MICCAI创始主席James Duncan教授感慨道。


2017年,MICCAI的参数人数首度破千。 而今年10月在深圳举办的MICCAI 2019,预计超过2000人。 这在James Duncan教授看来,是“ 让人非常期待的一件事情。


James Duncan是MICCAI最初的几位创始人之一,以及MICCAI持久影响力奖的获得者。


在1983年来到耶鲁大学任教之前,James Duncan曾在休斯飞机公司工作,他非常感谢自己的这段经历。他说到,求学需要兼顾广度和深度,很多领域的研究方法是相通的。


1998年,James Duncan和其他几位学者讨论将三个小型会议合而为一,这就是后来的MICCAI。他坦言,成立之初,并没有想象到MICCAI会发展到如今的规模。 20多年来,让他印象最深的,则是MICCAI组织架构的日趋成熟和研究内容的多样性和创新性。


2010年,James Duncan成为MICCAI学会Fellow之一。MICCAI Fellow是用来表彰对MICCAI研究领域作出大量科学贡献和对MICCAI社区的服务。


当时,James Duncan的获评理由是: 为生物医学图像分析做出杰出的科学贡献,并通过会议组织、期刊编辑和MICCAI协会的特殊服务积极推动该领域。


近日,雷锋网 & AI掘金志有幸与James Duncan教授进行了一次对话。 围绕MICCAI的过去与未来、未来的学术研究风向、对中国学者的建议等等话题,James Duncan发表了自己的观点,这也是他首次接受中国媒体专访。


MICCAI的历史与未来

AI掘金志: 是什么吸引你连续两年来到中国分享学术知识?


James Duncan: 去年我就已经在成都参加过ISICDM。ISICDM的一个重要特色就是让数学模型和深度学习两大派学者代表一起做报告、交流和辩论。大约三、四年前,我在麻省理工学院和MICCAI也有类似的经历,我们讨论数学模型和深度学习两者孰优孰劣。那个时候,深度学习还不像现在这样火热。


当时,我选择了站在数学模型的这一方,但我认为最后的结果将介于两者之间。所以,每隔一段时间我都会这样做(将不同的方法进行结合)。


而且,我对中国在人工智能领域的研究越来越感兴趣。今年MICCAI 2019要在深圳举办,我发现参加的会议和认识的人都非常有趣。我认识很多中国学者,像沈定刚、周少华、李纯明、香港科技大学的Albert Chung等几位教授,他们一直在从事这方面的工作。


另外,我现在的9个研究生中有6个是中国学生,他们来自中国不同的大学。所以,我很喜欢到他们接受教育的地方看看,我认为这是我来到中国来的主要原因。


AI掘金志: 您是MICCAI的创始人,能不能谈一谈当时MICCAI成立的原因和过程?


James Duncan: 最初,MICCAI是在1998年由三个小会议CVRMed、VBC、MRCAS组成的。MICCAI是计算机影像处理计算(MIC)以及计算机辅助介入(CAI)两个领域的综合性会议。2004年时,MICCAI Society正式成立。


MIC中包含的课题包括配准、机器学习、图像分割、传统CAD(计算机辅助检测)以及临床和生物学应用。CAI集中在介入部分,包括追踪和导航、介入式影像、医用机器人等等。


在MICCAI成立之前的几年里,我一直在计算机视觉领域工作,同时也参加了CVPR、ICCV等会议。每年有这么多的会议,每个会议有数百人参加。但实际上,我们的规模并不大,而且很多话题都是交叉的。


所以,1997年的时候,我们8、9个人就组成了一个小组,参与了MICCAI的筹备工作。我们认为,需要把上面说的这三个会议进行合并。围绕合并之后“该叫什么名字”这件事,我们也讨论了很久,“吵了不少的架”。


第一年,MICCAI在麻省理工学院举办。事情就是这样发展的,所以我很幸运能够参与到早期的讨论中。


AI掘金志: 经历20多年的发展,MICCAI让您印象深刻的变化有哪些?


James Duncan: 我认为有两点,科研成果的丰富和组织结构的变革。


组织结构方面。在这二十年里,一件好的事情是,参会者习惯了我们把会议整合起来的方式。但MICCAI只是一个会议,我们需要把它延续传递下去。


我们设立了MICCAI Society,这样它就有了一个“领导机构”,可以让MICCAI一直运转下去。而且, 在MICCAI Society成立之初,我们就决定,这个“领导机构”不是一成不变的, 我们会进行轮换选举,让更多的年轻人参与进来。


现在,我们在组织轮换上做得很好。10月在深圳举办的这次会议,将会是有史以来最大的一次会议,包括设置了更多的领域主席,所以我认为这一切都很好。


在科学研究方面,MICCAI 2019带来了很多亮点。这次会议上,很多新增的单元都是第一次被提出来。我记得一开始是在德国提出(新增单元)这个想法,因为很多早期的图像分类和配准的工作都在那边进行。


但是,在过去的三年里,深度学习基本“占领”了MICCAI的主要议题。所以在科研层面,我们看到了这种转变。


我认为MIC和CAI仍然是一个很好的组合,我们有时会努力确保MIC在CAI部分的应用比重。 截止目前,我们还能很好的保持平衡。


所以,结合上面所说的,我认为,科研层面的发展和组织结构的发展给我留下了深刻的印象。你知道,我是《Medical Image Analysis》期刊的主编,这个期刊也一直和MICCAI保持着很好的联系。我认为这是一件好事。


AI掘金志 作为MICCAI学会的Fellow,能不能谈谈MICCAI 2019大会主席和举办地的决定过程?


James Duncan: MICCAI理事会全程负责MICCAI申办的过程。MICCAI每年在美洲、欧洲、亚洲三地轮流举办。MICCAI的理事会成员里,通常有投票权的13-15人左右,由他们来推选会议地点。


当然,会有很多的团队来竞选。一开始,会议的举办地点在北美和欧洲之间轮换,当然我们去过东京几次。


从3、4年前开始,不同的团队就要花很长时间进行调查,例如预算成本、场地和团队成员。他们要把这个提交给MICCAI理事会,理事会里有一个主席和不同的成员。他们需要讨论每一项提案,并作为一个小组对其进行表决。谁赢得最后的投票结果,谁就当选。


沈定刚教授被选为MICCAI 2019的大会主席时,我不太清楚那个时候我在不在理事会里,因为那已是3、4年前的事情了。


AI掘金志 MICCAI的Fellow和理事会成员是一回事儿吗?


James Duncan: 这是两个完全不同的概念。MICCAI理事会成员是由MICCAI参会者选出的,只有12到13个人。


而MICCAI Fellow和这个组织没有任何关系,它是关于科学成就和对MICCAI的贡献。在我概念里,现在大约有25个人。当我还是MICCAI主席的时候,我们选了10到12个人来推动这个选举过程。


从那之后,每年都有两到三个Fellow是从Community里选出来。老实说,我不知道今年谁当选。这是一种荣誉,MICCAI理事会成员的意见都会被考虑到。


还有一件事,在每次MICCAI会议上,都有专门为年轻人设置的奖项。


此外,每年还会颁发一个“持久影响力奖”,几年前我拿到了。所以今年会有一个新的人选,目前大概有10到11个人。Terry Peters是今年MICCAI 2019的程序主席,他获得了“持久影响奖”,他也是MICCAI里的一名Fellow。


AI掘金志 作为MICCAI创始人,您期待未来MICCAI发展成一个什么样的组织?


James Duncan: 我认为今年将有1500人或更多的人参加(实际上,今年的参会人数会达到2000人)。在未来的几年里它会继续增长。


也许在秘鲁等南美洲国家,人数不会像在深圳这样多。但几年之后,我想它回到欧洲和美国,参会人数会增长到2000人左右。


我希望并认为会有更多的产业界认识出现。 我们想让更多的临床人员参与进来,但这似乎很难,因为这个会议还是一个“技术型”的会议。 同时,会有越来越多的比赛和研讨会,我认为这是一个很好的现象。


我也希望,要在良好的应用工作中保持平衡,同时也至少在理论和应用方式上保持平衡。就像我们刚刚讨论的如何理解算法以及设计的原则是什么、是否有潜在的数学问题。


所以,我认为这种平衡在未来的应用和基础研究中保持下去,但同时也要兼顾算法的理解和解释能力。


学术研究进展

AI掘金志 您最近的研究内容是什么? 能不能谈谈您的团队和最近的学术成果?


James Duncan: 在我自己的研究小组里,有9到10名的电气工程或生物医学工程方面的博士生,还有两三个来自类似领域的博士后。


我有5个国家国立卫生研究院(NIH)的资助项目,这几个项目都是围绕图像分析和机器学习、深度学习。我们做了四到五件不同的事情。


一个是通过fMRI了解大脑中的功能网络和休息状态,试图研究大脑的哪些区域影响自闭症,以及哪些是预测治疗反应的好方法,比如认知疗法。过去,我们一直用潜在变量方法来估计。


现在我们正在研究将整个时间信号与放入自动编码的LSTM模块进行组合,然后尝试通过阻止网络的各个部分并查看哪个部分的影响最大。这是第一部分的研究内容,我有两三个来自浙江大学的中国学生(在做这件事情)。


第二个项目是,我已经做了很长时间的超声心脏运动和变形分析。因此,我们在尝试评估心脏跳动的情况、心肌劳损的程度,然后查看休息和压力图像来发现变化,并将发现的结论用于指导治疗。


我们利用经典的生物力学模型来插值不同来源的位移。现在我们用的是半监督的方式,一种伪自动编码器来获取合成数据并用它来指导体内数据。


第三个是关于肝癌的项目。使用多模态MR获取多个图像,比如DCE和解剖图像。我们开始使用随机森林做组织分类,来发现肿瘤坏死、正常的薄壁组织以及将血管与肿瘤进行分离。


在进行治疗后,我们观察区段和组织分类区域中的这些相同参数以预测癌症治疗的结果。其中一部分正致力于将高分辨率MR光谱与两次采集相结合,并利用不同神经网络架构的思路来提高空间分辨率。


最后两部分工作,我做了一些显微镜方面的工作,比如尝试使用亚细胞粒子跟踪,以及通过超声波和CT数据来观察心脏瓣膜。


AI掘金志 学术研究成果是否有在产业界落地的案例?


James Duncan: 是的,这么多年来我们与西门子研究公司和飞利浦公司在剑桥和荷兰有非常紧密的合作。


西门子资助了我的一些学生,我想他们看了我们发表的关于多维形状估计的文章,还有利用不同维度的数据进行预测分析的文章。但是他们在另一个不同的应用中使用了它。我们用它来分割心脏,而他们用来进行有价值的定位,这是一种合作,是学术研究应用到产业中的一个例子。


另外,也有一个飞利浦的员工在耶鲁工作,我们做了一些研究,尤其是肝癌的研究。一些简单的算法被集成到他们的研究方法中,现在我们打算在肝脏的分类上一些更有趣的事情。


现在我们和一个做PACS的公司Visage有了新的合作。他们做医学图像、档案和通讯方面的工作。所以我们正在研究和他们一起建立数据库,他们的一名员工也入驻在我们这里。


中美科研差异







请到「今天看啥」查看全文