? ? ? ? 近日，深睿醫(yī)療8篇最新科研成果被全球計算機視覺與模式識別會議（IEEE CVPR 2020）以及IEEE生物醫(yī)學成像國際研討會(IEEE ISBI 2020)收錄，其中4篇為oral，這些論文代表了計算機視覺領域尤其是醫(yī)療影像方向國際前沿的科研進展。

? ? ? ? CVPR 2020本次收錄四篇科研論文，其中三篇為oral。從IEEE CVPR 2020公布的論文接收結果來看，在6656篇有效投稿中有1470篇論文被接收，接收率僅為22%，相比去年又降低3個百分點，oral按照往年經(jīng)驗，一般只有5-7%，競爭越發(fā)激烈。

1983-2020年CVPR投稿及錄用論文情況一覽表

? ? ? ? 深睿研究院CVPR2020錄取論文在以下領域?qū)崿F(xiàn)了創(chuàng)新性突破：基于二部圖卷積網(wǎng)絡和跨視圖推理的鉬靶腫塊檢測，基于圖像語義圖和語言場景圖推理的指稱表達式理解，基于多視角信息融合的姿態(tài)估計以及級聯(lián)式實時實例分割等。

CVPR2020

“Cross-view Correspondence Reasoning based on Bipartite Graph Convolutional Network for Mammogram Mass Detection”(Oral CVPR2020)

? ? ? ? 乳腺癌已成為當前社會的重大公共衛(wèi)生問題之一。乳腺癌早期篩查有助于提高患者生存率，提升患者生存質(zhì)量。深睿研究院與北京大學前沿交叉學科研究院大數(shù)據(jù)中心合作發(fā)表的科研論文主要探討基于乳腺X線影像的腫塊自動檢測，這對于乳腺癌檢測具有重要的臨床意義。乳腺X線影像的軸斜位視圖提供了空間互補的信息，有利于做出綜合的診斷意見。然而，現(xiàn)有的絕大多數(shù)模型缺少軸斜位視圖的推理能力，進而限制了模型的性能。本文提出的二部圖卷積網(wǎng)絡，可以賦予檢測模型軸斜位視圖推理的能力，顯著提升了腫塊的檢測效果。在乳腺X線影像的公開數(shù)據(jù)集DDSM上，同現(xiàn)有的方法相比，同等假陽性下檢出敏感性高出4個百分點，同等敏感性下假陽性減少了近60%，充分驗證了算法的有效性。這篇文章也被選為2020年CVPR的ORAL。這些先進的算法已經(jīng)應用到深睿醫(yī)療旗下的乳腺鉬靶AI醫(yī)學輔助診斷系統(tǒng)，用于乳腺疾病早期篩查。

基于二部圖卷積網(wǎng)絡的乳腺X線影像腫塊檢出流程圖

“Graph-Structured Referring Expression Reasoning in The Wild”（Oral CVPR 2020）

? ? ? ? 深睿研究院與香港大學計算機科學系聯(lián)合發(fā)表的科研論文是探討了一種基于自然語言處理的圖像識別方法，通過自然語言描述來定位圖像上的目標物體，在醫(yī)療場景下可以用于病例文本數(shù)據(jù)及影像數(shù)據(jù)的關聯(lián)挖掘，具有廣闊的應用場景。在本文中，作者提出了場景圖引導的模塊網(wǎng)絡(SGMN)，該網(wǎng)絡在表達式的語言結構的指導下通過神經(jīng)模塊網(wǎng)絡對圖像語義圖和語言場景圖進行推理。此外，作者還提出了Ref-Reasoning——用于結構化的指稱表達式推理的大規(guī)模真實數(shù)據(jù)集。該數(shù)據(jù)集包含真實圖像和具有不同推理布局的語義豐富的表達式。實驗結果表明，SGMN不僅在Ref-Reasoning數(shù)據(jù)集上明顯優(yōu)于現(xiàn)有的最新算法，而且還在常用基準數(shù)據(jù)集上達到了最好的預測精確度。另外它還可以為推理過程提供可解釋的視覺證據(jù)。

場景圖引導的模塊網(wǎng)絡流程圖

“Deep Snake for Real-Time Instance Segmentation” （Oral CVPR 2020）

? ? ? ? 深睿研究院與浙江大學計算機學院合作發(fā)表的科研論文中，提出了一種名為Deep Snake實時的實例分割算法。Deep Snake用深度學習的方式實現(xiàn)了傳統(tǒng)的主動輪廓模型思想，使用神經(jīng)網(wǎng)絡將初始輪廓迭代變形為物體輪廓?？紤]輪廓的特定拓撲結構，論文引入了循環(huán)卷積用于輪廓上的特征學習?；贒eep Snake，論文提出了一種兩階段方法實現(xiàn)實例分割，在多個公開數(shù)據(jù)集上取得最好的效果，并達到了32fps的速度。

Deep Snake算法流程示意圖

“A Pre-trained Fusion Model for Human Pose Estimation”（Poster CVPR 2020）

? ? ? ? 深睿研究院與北京大學前沿交叉學科研究院大數(shù)據(jù)中心合作撰寫的論文，主要研究在進行人體姿態(tài)估計中，融合多個視角的信息可有效解決遮擋等問題。但是目前方法中，融合模型參數(shù)依賴于特定的相機對，難以泛化到新的環(huán)境。針對這一問題，本文提出將原有的融合模型分解為（1）所有相機共享的通用模型（2）針對特定相機的輕量變換矩陣。并且使用元學習算法，來最大化通用模型的泛化能力。在多個公開數(shù)據(jù)集上的實驗，證明了該模型在經(jīng)過大規(guī)模預訓練后，只需要少量樣本即可高效遷移至新環(huán)境。

ISBI2020

? ? ? ? ISBI 2020收錄四篇科研論文，其中1篇為oral，3篇poster。IEEE生物醫(yī)學成像國際會議ISBI，是由IEEE信號處理學會（SPS）和IEEE生物醫(yī)學工程學會(EMBS)聯(lián)合倡議發(fā)起的，致力于生物和生物醫(yī)學成像的數(shù)學、算法和計算方面的學術會議之一，享有很高的國際學術聲譽。IEEE生物醫(yī)學成像國際研討會(ISBI)是介紹理論和應用生物醫(yī)學成像技術進展的主要論壇。ISBI 2020共計收錄了431篇科研論文，其中115篇是oral。深睿研究院總共投出4篇論文全部被收錄，有效投稿率達100%，深睿研究院對于科研的嚴謹程度可見一斑。這次投出的四篇文章分別從解剖學先驗知識引入、半監(jiān)督標注數(shù)據(jù)生成、動態(tài)規(guī)劃和語義分割結合、基于離群約束的損失函數(shù)設計等幾個方面產(chǎn)出對于醫(yī)學影像分析有很大助益的科研成果。

? ? ? ? “Evaluating Multi-class Segmentation Errors with Anatomical Priors The IEEE International Symposium on Biomedical Imaging ”(Oral ISBI 2020)

? ? ? ? 基于深度學習模型的醫(yī)療影像分析方法越來越受到重視。在論文中對基于解剖學先驗的多分類分割算法效果進行了評估。本文以肺葉分割任務為背景，提出了兩個基于解剖學結構的指標用于模型效果評估和數(shù)據(jù)挑選。一個指標基于5個肺葉的相對位置穩(wěn)定的先驗，另一個指標基于每個肺葉都唯一的先驗。如圖1所示，違反這些先驗知識的分割結果通常都意味著模型在這個樣本上的表現(xiàn)效果不好。此外，通過把這些先驗信息嵌入到平滑邊緣損失函數(shù)中，模型的效果和指標的有效性都得到了進一步的提升。

嚴重違反解剖學先驗的肺葉分割結果示意圖

? ? ? ? 除了這篇oral，深睿研究院聯(lián)合國內(nèi)知名科研機構發(fā)表了的其他三篇關于醫(yī)學影像算法和計算方面的科研論文，以poster形式被ISBI收錄。

? ? ? ? 深睿研究院與北京理工大學信號與圖像處理研究所聯(lián)合撰寫的題目為“Semi-supervised brain lesion segmentation using training images with and without lesions”的論文中在半監(jiān)督條件下提出了一種病灶生成框架，利用健康圖像和少量帶標注的帶病圖像，合成大量的帶標注病灶圖像，這些合成圖像與經(jīng)專家標注的少量訓練圖像結合，訓練分割網(wǎng)絡。

? ? ? ? 與北京理工大學信號與圖像處理研究所聯(lián)合撰寫的題目為“SEGMENTATION-BASED METHOD COMBINED WITH DYNAMIC PROGRAMMING FOR BRAIN MIDLINE DELINEATION”的論文中著重指出中線相關的病理特征對于評估腦中風（Stroke）和創(chuàng)傷性腦損傷（TBI）有著重要的臨床意義。中線識別算法可以自動計算多個維度上的評估指標，在大幅縮短診斷時間的同時，可有效輔助后續(xù)的臨床治療（如手術指征評估）。該方法已作為一個功能模塊集成到深睿腦卒中產(chǎn)品線，正在為近百家醫(yī)院提供日常的臨床服務。

? ? ? ? 深睿研究院與東部戰(zhàn)區(qū)總醫(yī)院聯(lián)合發(fā)表的題目為“A Brain Age Estimation Network with 3D Skipping and Outlier Constraint Loss“ 論文中指出磁共振成像（MRI）以其高空間分辨率及高密度分辨率為腦發(fā)育情況的評估提供了機會。在兒童、青少年和成年早期人腦的發(fā)育是一個極為復雜的過程，體現(xiàn)為腦不同區(qū)域組織發(fā)育順序和模式的異質(zhì)性。這些腦微結構在發(fā)育過程中的潛在模式化改變?yōu)槟X發(fā)育情況的評估提供了基礎。

? ? ? ? 這些全球領先的科研成果顯示了深睿研究院在人工智能和醫(yī)學影像分析領域強大的科研實力、技術創(chuàng)新能力，以及優(yōu)秀人才的保有量。這些算法中部分已經(jīng)應用于深睿醫(yī)療現(xiàn)有醫(yī)療AI產(chǎn)品，在應用到臨床后將使深睿醫(yī)療的產(chǎn)品更好地服務于社會。正如俞益洲教授在加入深睿醫(yī)療后說的：“醫(yī)學正在從以解剖學為基礎的現(xiàn)代醫(yī)學時代進入人工智能驅(qū)動的智慧醫(yī)學時代。這意味著我們需要專門為醫(yī)療場景設計一些智能圖像分析算法；比如研制可以在小樣本上訓練，但泛化性強、對數(shù)據(jù)分布不敏感、對標注一致性容忍度高的AI模型?！弊鳛樯铑Ｑ芯吭贺撠熑耍嵋嬷藿淌趲ьI團隊研發(fā)人工智能領域的前沿科技為深睿醫(yī)療大大小小的具體項目做技術攻關，為醫(yī)學影像的智能化助力。截止到目前為止，深睿研究院已發(fā)表近百篇學術論文，彰顯深睿醫(yī)療強大的科研能力。

? ? ? ? 深睿醫(yī)療一直專注于人工智能前沿科技的探索，致力于將這些人工智能技術應用到醫(yī)療場景中，從而產(chǎn)生不斷促進智慧醫(yī)療發(fā)展的科技力量。深睿醫(yī)療剛剛中標國家重點研發(fā)計劃“數(shù)字診療裝備研發(fā)”重點專項，目前還承擔了科技部、國自然及全國各大城市多個重大專項科研項目，與國家相關部門，各大高?？蒲袌F隊及國內(nèi)頂級醫(yī)療機構進行深入合作。深睿醫(yī)療將全力促進科研成果快速向臨床應用轉化，秉承創(chuàng)新之心，在醫(yī)學人工智能領域不斷探索和前行，不斷發(fā)掘醫(yī)學AI在醫(yī)療領域的應用場景。深睿醫(yī)療深耕智慧醫(yī)療領域，讓看病不再困難。

? ? ? ??CVPR收錄文章名錄

? ? ? ? Cross-view Correspondence Reasoning based on Bipartite Graph Convolutional Network for Mammogram Mass Detection (Oral Presentation CVPR2020)

? ? ? ? Yuhang Liu, Fandong Zhang, Qianyi Zhang, Siwen Wang, Yizhou Wang, Yizhou Yu

? ? ? ? Graph-Structured Referring Expression Reasoning in The Wild (Oral Presentation CVPR2020)

? ? ? ? Sibei Yang, Guanbin Li, Yizhou Yu

? ? ? ? MetaFuse: A Pre-trained Fusion Model for Human Pose Estimation（CVPR 2020)

? ? ? ? Rongchang Xie (Center for Data Science, Peking University),Chunyu Wang (Microsoft Research Asia),Yizhou Wang

? ? ? ? Deep Snake for Real-Time Instance Segmentation ?(Oral Presentation CVPR2020)

? ? ? ? Sida Peng, Wen Jiang, Huaijin Pi, Xiuli Li, Hujun Bao, Xiaowei Zhou

? ? ? ??ISBI收錄文章名錄

? ? ? ? Evaluating Multi-class Segmentation Errors with Anatomical Priors The IEEE International Symposium on Biomedical Imaging ?Oral(ISBI) 2020

? ? ? ? Xiaoqian Wang, Qianyi Zhang , Zhen Zhou, Yizhou Yu, Yizhou Wang

? ? ? ? BAENET: A Brain Age Estimation Network with 3D Skipping and Outlier Constraint Loss The IEEE International Symposium on Biomedical Imaging ?(ISBI) 2020

? ? ? ? Taiping Qu, Yangming Yue, Qirui Zhang, Zhiqiang Zhang, Guangming Lu, Wei Du, Xiuli Li

? ? ? ? Semi-supervised Brain Lesion Segmentation Using Training Images with and without Lesions The IEEE International Symposium on Biomedical Imaging ?(ISBI) 2020

? ? ? ? Chenghao Liu, Fengqian Pang, Yanlin Liu, Kongming Liang, Xiuli Li, xiangzhu zeng, Chuyang Ye

? ? ? ? Segmentation-based Method combined with Dynamic Programming for Brain Midline Delineation The IEEE International Symposium on Biomedical Imaging (ISBI) 2020

? ? ? ? Shen Wang, Kongming Liang, Chengwei Pan, Chuyang Ye, Xiuli Li, Yiming Li, Yizhou Yu, Yizhou Wang