沈锐的五篇医学论文被收录在MIC当涂阳光威尼斯CAI2019面膜威尼斯,展示了其在医学人工智能领域的卓越创新能力

宣布了2019年医学图像计算与计算机辅助干预国际会议(MICCAI)的成果,共收到DeepwiseAILab的5篇论文。

医学影像计算与计算机辅助干预国际协会(MEMAGECOMPUTING and Computer assistedintertivention Society)组织的综合性学术会议,涵盖医学影像计算(mic)和计算机辅助干预(CAI)两个领域。MICCAI是该领域的顶级会议,吸引了来自全球134所顶尖科研大学的研究团队的参与。它被认为具有很强的国际影响力和很高的学术权威。

随着人工智能在各个领域的蓬勃发展,今年提交的MICCAI论文数量创下新高,比去年增长了70%。按照MICCAI对学术交流的深度和质量的要求,今年只收集了540篇论文,接受率仅为31%。所收集的论文代表了图像计算和计算机辅助领域的前沿技术,是医学图像分析领域的领先热点风向标,引领着该领域未来的发展方向。

沈瑞研究所自成立以来,一直参与MICCAI的贡献。今年,申睿医疗贡献了10篇文章,聘请了5篇文章,接受率高达50%。由此可见,申瑞研究所是一个重量和质量都比较重的研究团队。

本研究所收录的五篇论文的研究方向包括语义分割、目标检测和多任务学习等。,在人工智能医学应用领域取得了创新突破。

同时这沈锐的五篇医学论文被收录在MIC当涂阳光威尼斯CAI2019面膜威尼斯,展示了其在医学人工智能领域的卓越创新能力些处于科技前沿的科研成果已被部分应用于深睿医疗的Dr.Wise®AI辅助诊断产品中,在临床应用中取得了良好的效果。同时,这些处于科学技术前沿的科研成果已部分应用于申瑞医疗的怀斯·艾博士辅助诊断产品,并在临床应用中取得了良好的效果。

以下是五篇论文的科研成果总结:1 .刘宇航、张数、凌洛、秦怡张、范东张、西路利、王一舟。一舟鱼。来自单边双向调用:使用控制双边网络检测内存语法。众所周知,基于乳腺x光图像的肿块检测对于乳腺癌的早期诊断具有重要的临床意义。

本文提出了一种基于深度学习的乳腺x光质量检测算法,用于显式建模乳腺x光图像的双边信息。

通过采用变形容差模块来适应双侧乳腺局部区域的非刚性变化,并在逻辑双侧模块中嵌入医生阅读的内部逻辑,算法效果显著提高。在乳腺x光图像的公共数据集DDSM上,在相同的假阳性数下,该方法的检测灵敏度比现有方法高5个百分点,充分验证了该算法的有效性。

(网络框架图。

该模型以配准后的双侧乳房图像为输入,其中变形容差模块(DISATIONINSENSINITEVERATION MODULE)抵抗通过ROIAlign配准引起的局部非刚性变化。逻辑双边模块(LogicGuidedBilateralModule)嵌入了医生阅读的领域知识,提高了模型性能)2 .李梓豪、张数、张俊阁、凯奇黄、王一舟、宜州渝。MVP-Net:多视图无位置-自动重新连接用于检测。《国际会议医学气候计算和计算机辅助教学》,2019年。本文是中国科学院沈瑞研究所和自动化研究所对基于计算机断层扫描图像的全器官病变检测仪的科研探索。这项技术已经开始在肺结节、中风等的日常诊断和治疗中发挥越来越重要的作用。

虽然具有统一框架的通用焦点检测器有着极其广阔的应用前景,但目前研究还很少。

基于美国国立卫生研究院(NIH)公布的最大深度左侧(Deep Left)图像数据集,构建了一种通用的深度病变检测器,能够检测全身各种病变。

基于医生在临床诊断方面的专业经验,研究者提出了一种多视角目标检测网络,融合不同窗口宽度和水平下的图像信息。

该网络通过位置敏感的注意模块有效地整合了不同窗口宽度和级别的信息。

实验结果表明,该模型将4个误报的识别准确率从84.37%提高到91.30%。

(MVP-网络框架图。

第一部分展示了一个多视图FPN探测网络,该网络模拟了多窗口宽度和水平信息的融合。

第二部分显示了我们提出的位置敏感模块。

第三部分使用注意模块融合不同窗口宽度和级别的特征。胰腺癌是癌症之王,被称为21世纪的最后堡垒。

尽管在诊断、治疗和基础研究方面取得了很大进展,但仍然非常困难。

由于胰腺的大小和形状可变,与周围组织的对比度低,整个腹腔体积相对较小,基于腹部CT图像的胰腺器官自动分割是一个很大的挑战,沈瑞研究所收集的两篇论文对此挑战进行了不同的创新尝试。

3.晁伟防、李关宾、盛伟邦、李一鸣、宜州渝。《全球指南》,progressive fusionnetworkFOr 3 Panrecognition . InternationalconferenceOnMedicalLimagcomputing and Computer assisted intervention,2019 .本文的主要贡献在于提出了一种创新的语义分割模型,解决了现有方法不能兼顾全局特征和局部上下文信息的问题。

提出了一种具有渐进融合模块和全局引导分支的体素分割模型,该模型可以更好、更高效地利用三维特征从当前层断层图像提取的三维邻域中学习三维局部特征,并预测相应的2D分割结果,而全局引导分支可以用减少的当前层断层完整图像来补充全局特征。

我们的方法在两个胰腺分割数据集上取得了最好的结果。

(我们方法的总体框架)4。华陈一、汪秀英、黄杰、伊稀吴、周瑜、王立胜。利用2数据网络和3特征存储自动数据分类来自卷三图像。国际会议医学气候计算和计算机辅助数据存储,2019。本文是沈瑞研究所与上海交通大学合作的科研成果。在本文中,研究团队构建了一种新的方法。为了充分利用三维信息,首次引入了维度自适应模块,将三维信息和预先训练好的二维网络连接起来。

通过对NIH胰腺分割数据集的测试和验证,平均计算时间控制在0.4分钟左右,具有很强的临床实用性。

(为了准确预测多源特征,维度自适应模块(DAMS)将二维网络的预先训练好的内部特征连接到三维网络和融合决策模块。

)5 .张伟、李关宾、王富玉、龙江、宜州渔、林良、惠英良。《同时影像检测和影像诊断》,国际会议医学影像计算和计算机辅助数据保护,2019年。基于x光图像的肺部区域分割在临床诊断和治疗中具有重要意义。然而,由于缺乏公共数据集以及儿科x光图像和成人图像之间的巨大差异(如比例、大小、方向等)。),对儿童肺部区域分割的研究相对滞后。

本论文由广州市妇幼保健中心梁惠英教授发起,由沈瑞研究所和中山大学联合研究。首次提出了一种多任务卷积神经网络SDSLung算法框架,用于儿童x光肺部区域的同时检测和分割。

实验结果表明,本文提出的算法能够显著提高儿童x光肺区域分割的准确性,同时仍然达到目前成人x光肺数据的最佳性能。

儿童肺部区域分割算法对于儿童肺部疾病的后续分析和辅助外科治疗非常重要。

(我们深入神经网络的总体框架)DeepwiseAILab研究所(DeepwiseAILab)一直处于行业领先地位,是行业内专注于人工智能医学领域的最大研究机构之一。自成立以来,Deepwiseailab一直致力于医学前沿科技的探索。通过科学技术与临床的结合,产生了众多具有临床价值和技术创新的科研成果,并相继被列入国际顶级期刊和会议。

到目前为止,申瑞研究所已经在人工智能和机器学习方面的顶级期刊和会议上发表了近30篇论文(如科学机器人学、TPAMI、TCyb、TIP、ICML、CVPR、ICCV、ECCV、AAAI等)。),涵盖了计算机视觉和模式识别领域的三大顶级国际会议,特别是为期两年的备受瞩目的顶级会议CVPR(谷歌2019年学术排行榜前10名),是中国人工智能领域的顶尖科技公司之一。同时,在医学图像计算与分析领域的顶级会议上发表了20多篇论文,如IPMI、MICCAI、ISBI、RSNA等。

未经允许不得转载:澳门威尼斯人app » 沈锐的五篇医学论文被收录在MIC当涂阳光威尼斯CAI2019面膜威尼斯,展示了其在医学人工智能领域的卓越创新能力
分享到:
赞(0)

评论抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址