MICCAI & CVPR 2021 | 18篇高新科研成果全面呈现深睿医疗在AI算法领域的持续创新能力
近日，深睿医疗18篇最新科研成果分别被2021年国际计算机视觉与模式识别大会（IEEE CVPR 2021）和第24届医学图像计算和计算机辅助干预国际会议（MICCAI 2021）收录，这些论文代表了计算机视觉尤其是医学图像分析领域前沿的科研进展，全面体现了深睿医疗在AI算法领域的持续创新能力，这些成果对于推动解决医疗健康行业面临的痛点难点问题，提升医疗诊断效率具有重要意义。
MICCAI是医学图像分析领域国际公认的最具影响力的学术会议之一， 吸引了众多来自医学图像计算和计算机辅助干预方向的生物医学研究人员、工程师和临床医生共同参与。今年大会共计收稿1631篇，最终录取533篇。深睿医疗表现不俗，共计8篇科研成果被收录，在MR成像速度、脑病灶分割、早急性脑梗分割与检出、皮肤病和眼底视盘分割、乳腺X线影像及CT肺结节良恶性分类等算法问题上取得了创新性突破，助力Dr.Wise系列产品性能提升。
CA-Net in肺结节
今年被收录题为“CA-Net: Leveraging Contextual Features for Lung Cancer Prediction.”的论文，是深睿医疗与北京大学合作针对肺癌的早期诊断在肺结节良恶性分类方面取得的成果。
每个肺结节的良恶性进行分类，传统上主要聚焦于结节的特征（如形状、边缘）而利用上下文特征可以补充额外信息近期越发引起关注。临床认为上下文特征指结节周围的特征结构(如血管汇聚和胸膜牵拉),此类连同结节的特征可以更好的区分良恶性。因此，我们提出一个上下文注意网络（CA-Net），创新提出特征融合模块，可以自适应调整结节和结节间的上下文特征权重，同时提取了结节及其上下文特征，并进行有效融合以区分良恶性质。我们的方法在 Data Science Bowl 2017 数据集上保持性能领先。
算法的每一次优化会促进产品性能的提升。深睿的肺结节AI产品在去年已通过创新通道获得NMPA三类证，在深睿研发团队的持续努力下，产品仍在不断地提升和优化，在助力临床医生快速、精准检出病灶的同时，提升了对病灶进行定性和定量分析的能力。
CA-Net的整体结构
DAE-GCN in乳腺
另一篇被收录的题目为“DAE-GCN: Identifying Disease-Related Features for Disease Prediction.”是深睿医疗与北京大学合作的又一篇科研成果，文中提出了一种带有图卷积网络的自动编码解耦模型（DAE-GCN），可有效提升乳腺X线影像良恶性分类性能。
学习图像中真正与疾病相关的表征对于提升癌症诊断模型的可信赖性，可解释性和泛化能力非常重要。好的表征不仅应与疾病无关的特征解耦开，还应包含在临床癌症诊断中会首先被确定的病灶征象信息。本文提出了带有图卷积网络的自动编码解耦模型（DAE-GCN），该模型在基于自动编码器的框架中采用GCN模型指导下的解耦机制。在乳腺X线良恶性分类任务的三个私有数据集和一个公开数据集上，相比于当前国际领先的模型 AUC 均有提升，充分验证了算法的有效性。
乳腺癌发病率位列中国女性恶性肿瘤第一名，此前深睿医疗已经有多篇乳腺方向科研成果被国际知名期刊收录。深睿医疗在科研过程中，更为重视医疗领域知识，借助医生在临床实践中总结出来的经验与方法解决技术研发过程中遇到的问题，并随着产品临床应用的深入不断优化AI算法，相辅相成。
DAE-GCN的整体结构
对称性建模算法in脑梗
此次被收录的论文还有一篇题为“Symmetry-Enhanced Attention Network for Acute Ischemic Infarct Segmentation with Non-Contrast CT Images.”，是深睿医疗与东部战区总医院共同研究的关于对称性建模算法在早急性脑梗分割和检出方面的科研成果。
虽然头颅磁共振扫描可以较为准确地诊断早急性脑梗病灶，但其成本昂贵且扫描时间过长，而CT扫描价格相对经济，但由于CT上的病灶密度变化很微弱，故难以与正常组织进行区分。为提升在CT扫描上诊断早急性脑梗的准确度，本研究提出了一种基于对称性增强的早急性脑梗病灶分割方法，并经实验结果表明，该方法在早急性脑梗分割和检出方面比现有对称性建模算法取得了更优的性能。
深睿医疗将AI融入临床工作流程，不断优化产品，不久前在CMEF发布了“神经系统一站式AI解决方案"，推出了CTP辅助诊断功能，结合原有的头颈CTA与脑卒中辅助诊断产品，可提供更为完善的头部NCCT、头颈CTA与CTP AI辅助诊断。
图 1 基于对称性增强的早急性脑梗分割示意图。图（a）为对称性增强U形网络分割流程，图（b）为标准空间转换网络，图（c）为对称相似度模块。
另外五篇围绕利用AI提高医学图像分析性能、图像成像速度和病灶分割精度，取得了新的技术突破。研究内容涵盖了与病灶图像对应的伪健康图像的生成技术、MRI数据采集与图像重建的联合优化方法、先验信息与深度神经网络相结合的脑病灶分割算法、用于丰富病灶分割数据的数据增强方法、用于提高多类病灶分割精度的自监督学习范式下的病灶区域修复技术。
作为计算机视觉领域三大盛会之一，CVPR2021共有7015篇有效投稿，最终仅有1663篇突出重围被接收，录用率约为23.7%，论文质量逐年提升，竞争越发激烈。深睿医疗共有10篇科研成果被收录，是联合香港大学、北京大学、厦门大学、中山大学和香港中文大学等高校科研团队共同完成，代表着国际前沿的科研技术，在计算机视觉领域实现了创新突破。
这次有三篇CVPR论文是有关迁移学习的基础研究，分别在图像分类、目标检测、语义分割这三个图像理解核心问题上提出域适应新算法。第一篇论文提出跨域自适应聚类方法解决半监督领域自适应图像分类问题，通过引入对抗自适应聚类将无标注的目标域数据聚类，并在源域和目标域间实现聚类级别的对齐，实现跨域和域内的有效适配。第二篇论文提出了一个从粗粒度到细粒度的基于图像级别光度对齐和类别级别特征分布规范化的新型无监督域适应语义分割算法流程，显著提升了此类语义分割的精度。第三篇论文则能够有效解决目标检测模型在（临床）应用时遇到多数据源而引起的泛化性能下降问题。
这次还有三篇与具体的医疗应用场景有关的论文。第一篇论文针对眼底照片的视盘萎缩弧病变（PPA）早期预测问题，提出了基于进展学习进行不可逆病变的预测；第二篇论文针对时间序列疾病预测的问题，提出用因果隐马尔可夫模型描述疾病的动态发展过程，并使用基于 VAE 的变分框架进行学习；第三篇针对手术技能评估自动化程度低的现状，提出一个利用手术视频自动预测手术完成程度的框架，在仿真和临床手术数据上都取得良好的结果。此外，其余CVPR论文还针对3D人体姿态估计、3D视觉指称理解、指称表达语义分割、视觉导航及目标定位等问题提出了创新的解决方法。
持续创新是深睿人的科研宗旨，截止到目前，深睿医疗与各大高校科研团队及国内知名医疗机构在各类学术期刊发表的论文累计影响因子已超500。将科研成果运用于临床实践则是深睿人的使命，秉承创新之心，在医学人工智能领域不断探索和前行，深度挖掘人工智能的创新应用，加速 AI 前沿理论成果转化，联合科技的力量共同促进AI医疗产业化的蓬勃发展。
MICCAI
1
Mingzhou Liu, Fandong Zhang, Xinwei Sun, Yizhou Yu, Yizhou Wang. CA-Net: Leveraging Contextual Features for Lung Cancer Prediction. MICCAI 2021
2
Churan Wang, Xinwei Sun, Fandong Zhang, Yizhou Yu, Yizhou Wang. DAE-GCN: Identifying Disease-Related Features for Disease Prediction. MICCAI 2021
3
Kongming Liang, Kai Han, Xiuli Li, Xiaoqing Cheng, Yiming Li, Yizhou Wang, Yizhou Yu. Symmetry-Enhanced Attention Network for Acute Ischemic Infarct Segmentation with Non-Contrast CT Images. MICCAI 2021
4
Yunlong Zhang, Xin Lin, Liyan Sun, Yihong Zhuang, Yue Huang, Xinghao Ding, Xiaoqing Liu, Yizhou Yu. Generator Versus Segmentor: Pseudo-healthy Synthesis. MICCAI 2021
5
Liyan Sun, Hongyu Huang, Xinghao Ding, Yue Huang, Xiaoqing Liu, Yizhou Yu. Fast Magnetic Resonance Imaging on Regions of Interest: From Sensing to Reconstruction. MICCAI 2021
6
Chenghao Liu, Xiangzhu Zeng, Kongming Liang, Yizhou Yu, Chuyang Ye. Improved Brain Lesion Segmentation with Anatomical Priors from Healthy Subjects. MICCAI 2021
7
Xinru Zhang, Chenghao Liu, Ni Ou, Xiangzhu Zeng, Xiaoliang Xiong, Yizhou Yu, Zhiwen Liu, Chuyang Ye. CarveMix: A Simple Data Augmentation Method for Brain Lesion Segmentation. MICCAI 2021
8
Ruifei Zhang, Sishuo Liu, Guangbin Li, Yizhou Yu. Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation. MICCAI 2021
CVPR
1
Jichang Li, Guanbin Li, Yemin Shi, Yizhou Yu. Cross-Domain Adaptive Clustering for Semi-Supervised Domain Adaptation. CVPR 2021
2
Haoyu Ma, Xiangru Lin, Zifeng Wu, Yizhou Yu. Coarse-to-Fine Domain Adaptive Semantic Segmentation with Photometric Alignment and Category-Center Regularization. CVPR 2021
3
Chaoqi Chen, Zebiao Zheng, Yue Huang, Xinghao Ding, Yizhou Yu. I3Net: Implicit Instance-Invariant Network for Adapting One-Stage Object Detectors. CVPR 2021
4
Sibei Yang, Meng Xia, Guanbin Li, Hongyu Zhou, Yizhou Yu. Bottom- Up Shift and Reasoning for Referring Image Segmentation. CVPR 2021
5
Botong Wu, Sijie Ren, Jing Li, Xinwei Sun, Shiming Li, Yizhou Wang. Forecasting Irreversible Disease via Progression Learning. CVPR 2021
6
Jing Li, Botong Wu, Xinwei Sun, Yizhou Wang. Causal Hidden Markov Model for Time Series Disease Forecasting. CVPR 2021
7
Daochang Liu, Qiyue Li , Tingting Jiang, Yizhou Wang, Rulin Miao, Fei Shan, Ziyu Li. Towards Unified Surgical Skill Assessment. CVPR 2021
8
Xiaoxuan Ma, Jiajun Su, Chunyu Wang, Hai Ci, Yizhou Wang. Context Modeling in 3D Human Pose Estimation: A Unified Perspective. CVPR 2021
9
Xiangru Lin, Guanbin Li, Yizhou Yu. Scene-Intuitive Agent for Remote Embodied Visual Grounding. CVPR 2021
10
Haolin Liu, Anran Lin, Xiaoguang Han, Lei Yang, Yizhou Yu. Refer-it-in-RGBD: A Bottom-up Approach for 3D Visual Grounding in RGBD Images. CVPR 2021