医学智能化成像与可解释性智能诊断专题研讨班日程安排
时间：2019年6月23日-27日 上午8:30-11:30 下午14:30-17:30
地点：西安交通大学数学楼二楼2-1会议室
时间 |
主讲人 |
课程题目 |
6月23日
（周日） |
8:30-9:00 |
开幕式 |
9:00-12:00 |
Annie Qu （University of Illinois at Urbana-Champaign） |
Deep Learning and Individualized Multilayer Tensor Learning for Medical Imaging Data |
14:30-17:30 |
Hongtu Zhu （DiDi Chuxing UNC Chapel Hill） |
Big-data Analytics for Imaging Genetics |
6月24日
（周一） |
8:30-11:30 |
牛海军 （北京航空航天大学） |
骨组织力学特性的超声测量方法与应用 |
14:30-17:30 |
H.D.Cheng （Utah State University） |
Studying on Uncertainty and its Application to Breast Cancer Diagnosis |
6月25日
（周二） |
8:30-11:30 |
王瑞轩 （中山大学） |
深度学习在医学图像分析中的可解释性 |
14:30-17:30 |
梁长虹 （华南理工大学附属 广东省人民医院） |
医学影像数据与人工智能 |
6月26日
（周三） |
8:30-11:30 |
常才 （复旦大学附属肿瘤医院） |
乳腺癌的超声诊治和智能化 |
14:30-17:30 |
郑海荣 （中科院深圳先进技术研究院） |
超声/磁共振图像的物理及其多参数新技术 |
6月27日
（周四） |
8:30-11:30 |
丁明跃 （华中科技大学） |
乳腺超声成像技术简介 |
专题研讨班课程介绍
（按课程先后排序）
活动召集人：王学钦 教授 中山大学
课程题目1：Deep Learning and Individualized Multilayer Tensor Learning for Medical Imaging Data
主讲人：Annie Qu 教授 University of Illinois at Urbana-Champaign
授课内容：
This short course will provide introduction of medical imaging data. In particular, I will discuss the motivating problem via multimodality breast cancer imaging data, which is quite challenging in that the signals of discrete tumor-associated microvesicles (TMVs) are randomly distributed with heterogeneous patterns. This imposes a significant challenge for conventional imaging regression and dimension reduction models assuming a homogeneous feature structure.
We develop an innovative multilayer tensor learning method to incorporate heterogeneity to a higher-order tensor decomposition and predict disease status effectively through utilizing subject-wise imaging features and multimodality information. Specifically, we construct a multilayer decomposition which leverages an individualized imaging layer in addition to a modality-specific tensor structure. One major advantage of our approach is that we are able to efficiently capture the heterogeneous spatial features of signals that are not characterized by a population structure as well as integrating multimodality information simultaneously. To achieve scalable computing, we develop a new bi-level block improvement algorithm. In theory, we investigate both the algorithm convergence property, tensor signal recovery error bound and asymptotic consistency for prediction model estimation. We also apply the proposed method for simulated and human breast cancer imaging data. Numerical results demonstrate that the proposed method outperforms other existing competing methods.
课程题目2：Big-data Analytics for Imaging Genetics
主讲人：Zhu Hongtu 教授 DiDi Chuxing UNC Chapel Hill
授课内容：
With the rapid growth of modern technology, many studies have collected data across different sources (e.g., imaging, genetics, video，and clinical) in an unprecedented scale. The integration of such ultra-high dimensional data raises many big-data challenges, rendering most existing analytical methods and old data platform no longer suitable and thus underscoring the great need for methodological developments from a rigorous perspective. To address these challenges, I will highlight several key data-science opportunities and strategies in big data integration and analysis through several interrelated projects.
课程题目3：骨组织力学特性的超声测量方法与应用
主讲人：牛海军 教授 北京航空航天大学
授课内容：
生物组织力学特性的准确测量对于组织功能的理解和生物假体的设计与制造具有重要意义，超声是作为一种常用的、低成本的无损检测技术，可以从微观、细管和宏观多尺度上测量组织的力学特性。本报告将围绕人体软骨和硬骨组织的超声测量技术发展趋势与本课题组近年来的研究工作，着重介绍以下两方面的研究内容，（1）软骨退化过程中力学特性的超声弹性测量方法研究及其在早期诊断中的应用；（2）基于超声共振谱技术的硬骨组织力学特性多尺度测量方法研究及应用前景。
课程题目4：Studying on Uncertainty and its Application to Breast Cancer Diagnosis
主讲人：H. D. Cheng 教授 Utah State University
授课内容：
Studying on Uncertainty and its Application to Breast Cancer Diagnosis Uncertainty exists in every area and field of the science and it has many types. Many methodologies have been proposed to handle the uncertainty. Based on classical logic, mathematics, physics, industry, etc. have been established. However, there are many paradoxes in classic logic. Especially, Godel proposed incompletes theorem. We have studied different logics to handle uncertainties.
Breast cancer is the most commonly diagnosed cancer. More than 2 million women every year are diagnosed with breast cancer, and more than 620,000 will die from the disease. Breast ultrasound (BUS) is a primary modality for cancer screening, and automatic BUS image diagnosis is essential for reducing motality and treatment planning. Due to low contrast and poor quality of BUS images, automated breast cancer diagnosis based on BUS images is extremely challenging. We have handled the uncertainty better to achieve good results.
课程题目5：深度学习在医学图像分析中的可解释性
主讲人：王瑞轩 副教授 中山大学
授课内容：
深度学习的不可解释性使得医生缺少对智能诊断系统的信任感，从而很大程度上限制了其在智能诊断与分析中的广泛应用。为了增加深度学习在智能诊断与分析过程的透明性，我们将对近几年关于深度学习可解释性的研究思路与方法及其在医学图像分析中的常见应用进行全面的回顾与总结，并从应用的角度尝试总结需要解决的深度学习可解释性相关关键问题。
课程题目6：医学影像数据与人工智能
主讲人：梁长虹 主任医师/教授 华南理工大学附属广东省人民医院
授课内容：
阐述医学数据的复杂性（包括文本、图片、图像、视频等，数据受到人为因素影响等）、医学问题的开放性，不完全基于规则。探讨在医学领域，具体来说，医学影像领域数据规模是大数据吗？数据可用程度？能够小数据解决大问题？探索影像组学与人工智能的关系，影像数据标签的价值及如何影响临床决策。如何解释数据挖掘结果？为何有巨大无比公司的系统，最后还是失败告终。人文和医疗的温度感，如何体现？如何实现？等问题。
课程题目7：乳腺癌的超声诊治和智能化
主讲人：常才 教授 复旦大学附属肿瘤医院
授课内容：
乳腺癌的临床特征和病理变化，超声检查的价值和现状。
课程题目8：超声/磁共振图像的物理及其多参数新技术
主讲人：郑海荣 研究员 中科院深圳先进技术研究院
授课内容：
本课程将主要讲授医学超声成像和治疗技术的基本原理，超声力效应、热效应、空化效应等生物学效应的产生机制和影响因素，超声弹性成像等功能性成像技术的原理、方法、转化和应用情况，超声辐射力在微纳粒子操控方向上应用的前沿发展，超声无创脑刺激与神经调控科学仪器的研制进展以及对其作用机制和在神经精神类疾病防治领域的初步探索。本课程还将简要讲解磁共振成像的基本原理，介绍影响其成像性能的核心部件和关键技术等，并在此基础上探讨当前磁共振成像领域的前沿应用。
课程题目9：乳腺超声成像技术简介
主讲人：丁明跃 教授 华中科技大学
授课内容：
超声断层成像是近年来发展起来的一种新型的超声成像方式，特别是在乳腺筛查与诊断中得到了广泛应用。与传统超声成像基于反射成像原理不同，超声断层成像利用环形，或半球形超声换能器同时接收成像物体周围的反射和透射声波，再通过解波动方程等求逆算法，获得超声断层图像。这种断层图像斑点噪声小，图像清晰，分辨率高。此外，除获得传统的B超图像外，还可以获得声速和衰减图像，从而提供了超声的功能成像方法。结合华中科技大学多年开展乳腺超声断层成像技术的发展历程，简要介绍了我们在成像算法、系统研制以及产业化方面的进展，并介绍了我们将该项技术应用于骨科成像的尝试，为扩宽超声断层成像技术的临床应用奠定了基础。
