学术活动
当前位置: 首页 >> 学术活动

Turning Pixels into Meaningful Information - Machine Learning and Intelligent Image Computing in the Age of Big Medical Image Data(医学图像大数据时代的机器学习与智能图像计算)

发布时间:2017-04-17

报告人:

Professor Guoyan Zheng(郑国焱)

University of Bern(瑞士伯尔尼大学)

 

时间:

20170419日(周三)上午10:00-11:00

 

地点:

逸夫科学馆317会议室

 

报告摘要:

The importance of medical images for diagnosis, therapy assessment and planning cannot be under-estimated. Clinically well-established imaging techniques include CT, MRI, X-ray, molecular imaging, ultrasound, fluoroscopy, PET-CT, and mammography. The size of medical image data can range anywhere from a few megabytes for a single study to hundreds or thousands of megabytes per study. Such data requires not only large storage capacities but also demands fast and accurate algorithms if any decision assisting automation or surgical interventions were to be conducted based on the data.

In this talk, I will put forward a mindset of machine learning and intelligent image computing that allow us to address many of the fundamental limitations of conventional approaches in medical imaging. More specifically, I will show comprehensive machine learning and intelligent image computing methods for the tasks of landmark and object detection, image segmentation and 3D reconstruction from 2D images. In comparison with conventional methods, our methods are scalable for big medical image data, have far fewer requirements, and are better suited for pre-clinical and clinical usage.  

医学图像(CTMRIX射线、分子成像、超声、透视、PET-CT等)在疾病的诊断、计划、治疗以及评估中发挥着关键作用。随着成像模态的日益丰富以及成像质量的持续提升,每例病患的图像数据规模已经从早期的兆级快速发展到几百甚至上千兆级或更高。基于此类规模数据的手术方案自动决策或者智能辅助介入规划,不仅需要提供大空间存储能力,还对算法的实时性和准确性提出了严格要求。

本次报告将讨论机器学习和智能图像计算在医学成像分析中的应用。这类新方法解决了传统方法中的一些固有不足。本报告将重点介绍机器学习与智能图像计算方法在全自动解剖特征点标记,器官检测、图像分割和3D形状重建中的应用方法及典型案例;相较于常规方法,本报告所提方法可扩展用于医学图像大数据应用,并显著降低对原始数据的约束条件,更加适合于预临床或临床应用。

 

主讲人简介:

郑国焱,博士,瑞士伯尔尼大学终身副教授、手术技术与生物力学研究所(ISTB)“医学信息处理实验室”主任;第三军医大学客座教授。研究领域涉及三维医学图像处理、图像引导手术与计算机辅助手术、医用机器人、基于信息融合的微创高精度诊断和治疗等。代表性工作包括:从一幅或多幅二维X光图像中估计器官的三维外部形状和内部密度分布的方法、全自动二维和三维医学图像分割算法等。他的“从一张普通前后位二维X光图像重建三维骨盆形状”的工作是国际首创,被国际同行认为有可能改变骨科诊疗范式;“利用二维三维配准测定骨盆前倾角是否被全髋关节手术改变”的论文被选为 “Clinical Orthopaedics and Related Research”封面文章。他在世界上第一个开发出了基于校正后C臂透视图像进行全髋关节置换的计算机辅助手术系统,同时也是多个计算机辅助手术系统和医用机器人的发明人和开发者。已发表期刊论文百余篇;获得4项美国专利、2项欧洲专利并有1项欧洲专利在审。多次组织国际性的医学图像处理算法竞赛。他的工作先后获得统计形状建模挑战赛大奖(2014)、Journal of Laryngology and Otology年度最佳基础论文奖(2012)、Ypsomed研发创新大奖(2009)、国际计算机辅助骨科手术学会(CAOS-I)最佳技术报告论文奖(2006)等10余项国际奖励。相关工作已结集出版于《Statistical Shape and Deformation Analysis: Methods, Implementation and Applications》(Elsevier2017)、《Computational Radiology for Orthopaedic Interventions》)(Springer20162部论著。