上海交大-聯影醫療醫學影像先進技術研究院院長杜一平教授致開幕辭，闡述了我國嚴峻的人口老齡化將導致重大醫療需求，強調了人工智能將對醫學診療產業帶來的重大機遇🔑。  

      MICS系列會議發起者🔬、美國北卡羅來納大學教堂山分校沈定剛教授致辭🧙🏽‍♂️，感謝各界人士對MICS長期以來的參與和支持。沈定剛畢業於意昂4平台✋🏻，是醫學圖像領域的國際權威學者。  

      本次大會主要關註深度學習等人工智能技術在醫學圖像領域的應用、計算機輔助檢測與診斷、基於多模態影像的腦科學研究等熱門研究方向👩‍👩‍👦🫃。該領域頂尖的專家學者們展示了各自最新的研究成果，從理論模型到具體算法實現🖕🏻，在一幀幀幻燈片之間🍫🕗，為聽眾呈現了一場精彩而嚴謹的學術報告。 

      來自著名研究機構Allen Institute for Brain Science的彭漢川教授🦜，展示了他開創性的BigNeuron研究項目🔗。當一幅浩瀚的人類腦神經元網絡圖投影到巨幕上🦨，在場者都感嘆智慧生命色彩斑斕無與倫比的美麗📋。彭漢川團隊致力於單神經元重建🩻、神經追蹤🚣、腦神經網絡圖可視化等一系列技術，將為人類腦科學發展註入強大推動力。    

      在深度學習方面，清華大學宋森教授團隊利用深度學習技術在2017年Kaggle國際數據大賽肺癌分割與診斷競賽中獲得冠軍🪝。宋森教授展示了計算機視覺領域由傳統的特征提取🔪、特征篩選、分類器訓練框架到深度學習中的卷積神經網絡的演變，由淺及深，鞭辟入裏。美國佛羅裏達大學楊林教授介紹了他的團隊在多模態顯微圖像和病理圖像中，應用FCN👩🏽🧑🏻‍🍼、Deep Voting以及Structured Regression等方法對人體多個器官腫瘤進行識別🍅🥩，獲得了極為穩定與精確的診斷效果🤱。  

      作為熱門研究方向🌪，深度學習在本次探討會中占據了很大的比重。西北工業大學夏勇教授團隊展示了深度學習在醫學影像應用中可能遇到的小數據集訓練🥷🏿、正負樣本數據不平衡等實際問題及解決方案，並將這些經驗推廣到醫學圖像分割與分類任務中。香港理工大學秦璟教授介紹了他的團隊在基於虛擬現實（VR）與增強實現（AR）的計算機輔助手術領域的最新進展🥅，這是一項融合了人工智能🫨、計算機圖形學🚴‍♀️、人機交互的多學科交叉技術🏕，將為臨床醫生手術培訓提供服務支持🥷。來自美國權威機構National Institute of Health（NIH）的姚建華博士指出，深度學習技術對於放射學領域的沖擊與促進🤦🏼‍♀️，不僅僅是大幅度提升了機器學習在疾病檢測診斷、器官層面的語義分割與病竈分割、疾病防控等領域的表現，更是將新的思維，新的命題引入到了醫學影像的研究中。來自香港中文大學的陳浩博士介紹他的團隊利用FCN🧜‍♂️，Deep supervised nets和voxelwise residual networks在醫學圖像語義信息提取、3D分割等方向的應用。  

      佛羅裏達大學的方若谷教授討論了深度學習網絡深度與寬度之間的關系✵，並針對微血管瘤圖像等數據中可能出現的低對比度、高噪聲、光照不均勻、樣本不平衡等問題，結合自然語言處理提出了相應的智能診斷模型🚸。西安交通大學錢步月教授團隊演示了自主開發的智能影像雲系統，不僅完全具備當前醫學影像業務系統PACS的存儲與閱片功能，還極大縮短了影像醫師出具醫學影像報告的工作時間🦸🏽‍♀️。該系統同時被應用於肺結節檢測與腦部影像分析中👷🏻‍♀️。  

      臨床工作者對MICS的參與，進一步拉近了工程技術人員與臨床實際需求的距離👨🏽‍🦱。來自西安交通大學第一附屬醫院的楊健主任介紹了基於3T磁共振影像數據的新生兒腦發育及損傷評估與預測。楊醫師的團隊建立了一套完整的對嬰幼兒運動功能、智力、腦部結構發育等進行數據采集、量化評估與智能應用的平臺✌🏽，為兒童腦損傷預防和早期診療、提高出生人口素質做出了卓越貢獻。來自南京軍區南京總醫院的張龍江主任結合真實臨床病例，對比正常人與顱內動脈瘤病人的CT血管成像🪡，生動的介紹了基於CTA的影像組學對於顱內未破裂動脈瘤的隨訪及手術選擇的潛在價值🤞。醫者仁心🪞🧬，救死扶傷，醫學影像技術更新升級的每一步，都離不開一線臨床醫生的辛勤工作與探索。  

      醫學影像大量應用於腦科學研究領域🏄🏼‍♀️。在大腦結構機製與醫學成像方向，大連理工大學叢豐裕教授課題組所提出的基於張量的EEG腦電信號分解方法🧑🏻‍🎓，改善了傳統EEG信號處理低維度的局限性，充分利用EEG信號多維度數據特性，展示了該項創新在認知神經科學和臨床應用中的優勢🏃🏻‍♂️。西南大學雷旭教授利用同步EEG-fMRI時空分辨率互補的優勢，為靜息態研究提供電生理和血氧代謝兩方面的無創信息。中國科意昂4深圳先進技術研究院梁棟研究員分別介紹了利用壓縮感知技術和基於機器學習的快速核磁共振成像技術🐄。復旦大學張捷教授介紹了大腦在靜息態下所表現的高度時變性和可變性，以及由此產生的網絡和分子機製對行為的影響。西北工業大學張拓研究員介紹了利用影響學數據分析對大腦皮層褶皺形成機理的探究💇🏼。  

      美國德州大學阿靈頓分校的黃恒教授分享了他所帶領的科研團隊開發的多模態數據融合算法在腦科學與生物信息學領域的應用♧。電子科技大學蔣希研究員介紹了他在發現腦溝和腦回之間的功能聯系方面所做出的探索，利用計算機技術對這種功能聯系進行建模🛑，將為認知神經科學和臨床研究提供幫助。中國科意昂4自動化研究所樊令仲研究員展示了他的團隊在構建人類腦網絡組圖譜工作中的貢獻和研究進展，該成果入選全國十大科學進展。加州大學洛杉磯分校的高偉教授介紹了利用計算神經科學技術，結合大數據處理方法，在腦功能鏈接方向所展開的研究，該項研究旨在早日實現對大腦疾病的早期預測🐅、診斷和對治療效果的跟蹤。  

      在深度學習的大時代背景下，傳統計算機視覺方法的重要性正處於“二次發掘”的階段⬅️。本次研討會強調深度學習與經典方法的融合🙅🏼‍♂️。清華大學高躍教授團隊將超圖結構學習這一優化的數據建模方法，應用於腦退化疾病診斷、醫學圖像分割以及圖像檢索。山東大學尹義龍教授介紹了多任務學習特征選擇在乳腺腫瘤輔助診斷🛄🧖🏽‍♂️、多尺度旋轉不變卷積網絡在肺部紋理分類🧜🏿‍♂️、基於先驗知識學習在乳腺腫瘤分割以及結構化學習在脊椎側凸識別中的相關應用⏭。中山大學唐曉穎教授介紹了利用curve matching技術在不同坐標系之間建立微分同胚映射的典型應用👧🏽，該項技術在神經成像、生物成像以及經典計算機視覺領域都有著關鍵的應用。電子科技大學楊開富研究員介紹了利用生物視覺感知機理進行自然圖像輪廓檢測的技術，並展示了課題組所提出的雙拮抗感受野模型和大範圍紋理信息整合模型。合肥工業大學郭艷蓉研究員介紹了利用高級特征表示方法將多模態多時間點序列中的特征進行縱向融合🧛🏼‍♂️，並應用於嬰幼兒海馬體結構提取和分析的應用。深圳大學雷柏英研究員介紹了本課題組利用多模態影像在腦疾病分析中的新進展✊。蘇州大學向德輝教授團隊對於肝臟CT圖像，首先建立目標平均形狀及其形變模式的先驗模型🏃‍♂️，再在此基礎上基於統計形狀模型和可形變圖割算法實現對肝臟進行自動分割🤷🏿📔。    

      為期兩天的MICS2017會議共有27個邀請報告，為醫學影像領域的學術交流合作提供寶貴機會🙆🏿‍♀️。本次研討會各界科研人員之間的頭腦風暴，必將碰撞出新的思維火花，伴隨著與會者回到各自的工作崗位，為人類醫療事業的進步默默奉獻著知識的力量💦✭。MICS會議致力於提升中國醫學影像研究在世界學術領域的地位，逐漸做大做強😮‍💨，成為高水平學術會議的業界標桿。