CSIG图像图形中国行—电子科技大学

中国图象图形学学会CSIG

2018年12月22日，“CSIG图像图形中国行”来到了成都，本次活动由中国图象图形学学会（CSIG）主办，电子科技大学生命科学与技术学院、神经信息教育部重点实验室、中国图象图形学学会机器视觉专委会联合承办。电子科技大学李永杰教授担任执行主席并主持活动。本次活动的主题是“医学图像处理及应用”，邀请了来自电子科技大学的李纯明教授、西安交通大学的孙剑教授、中科院计算所的赵地副研究员和中国科学院自动化研究所的何晖光研究员等4位专家作报告。本次活动吸引了100余名来自不同高校、研究所及企业的师生及研究人员前来参会。

李永杰教授主持活动并致欢迎辞

在简短的开幕式环节，本次活动的执行主席、电子科技大学生命科学与技术学院的李永杰教授代表本次活动的承办方向与会代表致欢迎辞，然后就CSIG中国行系列活动及本次活动的主题等方面做了相关介绍，并对前来作报告的四位专家表示感谢。

李纯明教授做报告

来自电子科技大学信息与通信工程学院的李纯明教授作了题目为“基于解剖学知识的心脏磁共振图像分割方法”的报告。报告指出，医学图像分割在许多基于图像的医学研究与临床实践中都有十分重要的应用，但由于成像设备的局限性导致的图像质量问题，使得医学图像分割仍然是一个具有挑战性的课题，仅仅依赖图像信息的分割算法往往不能取得令人满意的分割结果，尽可能地利用图像之外的有用信息有助于提高图像分割的性能。李纯明教授在本报告中介绍了基于解剖学知识的医学图像分割方法。

孙剑教授做报告

来自西安交通大学数学与统计学院信息科学系的孙剑教授作了题目为“模型驱动的深度学习方法在医学图像分析中的应用”的报告。报告指出，经典的深度学习方法将标准深度神经网络作为黑箱进行数据驱动的目标任务学习，造成模型及结果的可解释性比较差。为此，孙剑教授课题组提出了模型驱动的深度学习思想，将传统基于领域知识和物理机制的“建模方法”与基于数据驱动的“深度学习方法”相结合，构建模型驱动的深度学习方法。在报告中，孙剑教授介绍了在模型驱动深度学习方法上的一些研究成果及在医疗影像分析方面的应用。

赵地副研究员在做报告

来自中科院计算所的赵地副研究员做了题目为“深度学习与医疗影像大数据分析”的报告。报告指出，医学影像数据占现阶段医疗数据的绝大部分。如何将医疗大数据运用于临床实践？这是医学和计算机研究人员都很关心的问题，而智能影像与深度学习提供了一个很好的答案。赵地副研究员结合医学影像大数据分析的最新研究进展和其课题组在医学影像大数据分析领域的工作，特别是以阿尔茨海默病的核磁共振早期诊断为例，介绍了智能影像和深度学习在医疗大数据分析与疾病早期诊断领域的应用。

何晖光研究员在做报告

来自中国科学院自动化研究所的何晖光研究员作了题目为“从神经影像计算与分析到视觉信息编解码”的报告。在报告中，何晖光研究员首先介绍了其课题组在医学影像分析方面的几个工作，包括利用多模态影像分析对青光眼的大脑结构和功能改变的分析，接着介绍了视觉信息编解码的工作，视觉信息编解码是通过计算方法建立从视觉系统与外界视觉刺激信息之间的映射模型，探索大脑视觉信息处理的过程和机理，其研究不仅有助于探索视觉的加工机制，而且可促进计算机视觉的类脑研究。何晖光研究员介绍了其课题组提出的一个基于多视图贝叶斯深度生成模型，可通过功能磁共振（fMRI）信号重建看到的图像。