四篇入选oral，深睿医疗8篇科研论文被国际学术会议IEEE CVPR、ISBI收录

        近日，深睿医疗8篇最新科研成果被全球计算机视觉与模式识别会议（IEEE CVPR 2020）以及IEEE生物医学成像国际研讨会(IEEE ISBI 2020)收录，其中4篇为oral，这些论文代表了计算机视觉领域尤其是医疗影像方向国际前沿的科研进展。

        CVPR 2020本次收录四篇科研论文，其中三篇为oral。从IEEE CVPR 2020公布的论文接收结果来看，在6656篇有效投稿中有1470篇论文被接收，接收率仅为22%，相比去年又降低3个百分点，oral按照往年经验，一般只有5-7%，竞争越发激烈。

1983-2020年CVPR投稿及录用论文情况一览表

        深睿研究院CVPR2020录取论文在以下领域实现了创新性突破：基于二部图卷积网络和跨视图推理的钼靶肿块检测，基于图像语义图和语言场景图推理的指称表达式理解，基于多视角信息融合的姿态估计以及级联式实时实例分割等。

CVPR2020

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

        乳腺癌已成为当前社会的重大公共卫生问题之一。乳腺癌早期筛查有助于提高患者生存率，提升患者生存质量。深睿研究院与北京大学前沿交叉学科研究院大数据中心合作发表的科研论文主要探讨基于乳腺X线影像的肿块自动检测，这对于乳腺癌检测具有重要的临床意义。乳腺X线影像的轴斜位视图提供了空间互补的信息，有利于做出综合的诊断意见。然而，现有的绝大多数模型缺少轴斜位视图的推理能力，进而限制了模型的性能。本文提出的二部图卷积网络，可以赋予检测模型轴斜位视图推理的能力，显著提升了肿块的检测效果。在乳腺X线影像的公开数据集DDSM上，同现有的方法相比，同等假阳性下检出敏感性高出4个百分点，同等敏感性下假阳性减少了近60%，充分验证了算法的有效性。这篇文章也被选为2020年CVPR的ORAL。这些先进的算法已经应用到深睿医疗旗下的乳腺钼靶AI医学辅助诊断系统，用于乳腺疾病早期筛查。

基于二部图卷积网络的乳腺X线影像肿块检出流程图

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

        深睿研究院与香港大学计算机科学系联合发表的科研论文是探讨了一种基于自然语言处理的图像识别方法，通过自然语言描述来定位图像上的目标物体，在医疗场景下可以用于病例文本数据及影像数据的关联挖掘，具有广阔的应用场景。在本文中，作者提出了场景图引导的模块网络(SGMN)，该网络在表达式的语言结构的指导下通过神经模块网络对图像语义图和语言场景图进行推理。此外，作者还提出了Ref-Reasoning——用于结构化的指称表达式推理的大规模真实数据集。该数据集包含真实图像和具有不同推理布局的语义丰富的表达式。实验结果表明，SGMN不仅在Ref-Reasoning数据集上明显优于现有的最新算法，而且还在常用基准数据集上达到了最好的预测精确度。另外它还可以为推理过程提供可解释的视觉证据。

场景图引导的模块网络流程图

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

        深睿研究院与浙江大学计算机学院合作发表的科研论文中，提出了一种名为Deep Snake实时的实例分割算法。Deep Snake用深度学习的方式实现了传统的主动轮廓模型思想，使用神经网络将初始轮廓迭代变形为物体轮廓。考虑轮廓的特定拓扑结构，论文引入了循环卷积用于轮廓上的特征学习。基于Deep Snake，论文提出了一种两阶段方法实现实例分割，在多个公开数据集上取得最好的效果，并达到了32fps的速度。

Deep Snake算法流程示意图

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

        深睿研究院与北京大学前沿交叉学科研究院大数据中心合作撰写的论文，主要研究在进行人体姿态估计中，融合多个视角的信息可有效解决遮挡等问题。但是目前方法中，融合模型参数依赖于特定的相机对，难以泛化到新的环境。针对这一问题，本文提出将原有的融合模型分解为（1）所有相机共享的通用模型（2）针对特定相机的轻量变换矩阵。并且使用元学习算法，来最大化通用模型的泛化能力。在多个公开数据集上的实验，证明了该模型在经过大规模预训练后，只需要少量样本即可高效迁移至新环境。

ISBI2020

        ISBI 2020收录四篇科研论文，其中1篇为oral，3篇poster。IEEE生物医学成像国际会议ISBI，是由IEEE信号处理学会（SPS）和IEEE生物医学工程学会(EMBS)联合倡议发起的，致力于生物和生物医学成像的数学、算法和计算方面的学术会议之一，享有很高的国际学术声誉。IEEE生物医学成像国际研讨会(ISBI)是介绍理论和应用生物医学成像技术进展的主要论坛。ISBI 2020共计收录了431篇科研论文，其中115篇是oral。深睿研究院总共投出4篇论文全部被收录，有效投稿率达100%，深睿研究院对于科研的严谨程度可见一斑。这次投出的四篇文章分别从解剖学先验知识引入、半监督标注数据生成、动态规划和语义分割结合、基于离群约束的损失函数设计等几个方面产出对于医学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)

        基于深度学习模型的医疗影像分析方法越来越受到重视。在论文中对基于解剖学先验的多分类分割算法效果进行了评估。本文以肺叶分割任务为背景，提出了两个基于解剖学结构的指标用于模型效果评估和数据挑选。一个指标基于5个肺叶的相对位置稳定的先验，另一个指标基于每个肺叶都唯一的先验。如图1所示，违反这些先验知识的分割结果通常都意味着模型在这个样本上的表现效果不好。此外，通过把这些先验信息嵌入到平滑边缘损失函数中，模型的效果和指标的有效性都得到了进一步的提升。

严重违反解剖学先验的肺叶分割结果示意图

        除了这篇oral，深睿研究院联合国内知名科研机构发表了的其他三篇关于医学影像算法和计算方面的科研论文，以poster形式被ISBI收录。

        深睿研究院与北京理工大学信号与图像处理研究所联合撰写的题目为“Semi-supervised brain lesion segmentation using training images with and without lesions”的论文中在半监督条件下提出了一种病灶生成框架，利用健康图像和少量带标注的带病图像，合成大量的带标注病灶图像，这些合成图像与经专家标注的少量训练图像结合，训练分割网络。

        与北京理工大学信号与图像处理研究所联合撰写的题目为“SEGMENTATION-BASED METHOD COMBINED WITH DYNAMIC PROGRAMMING FOR BRAIN MIDLINE DELINEATION”的论文中着重指出中线相关的病理特征对于评估脑中风（Stroke）和创伤性脑损伤（TBI）有着重要的临床意义。中线识别算法可以自动计算多个维度上的评估指标，在大幅缩短诊断时间的同时，可有效辅助后续的临床治疗（如手术指征评估）。该方法已作为一个功能模块集成到深睿脑卒中产品线，正在为近百家医院提供日常的临床服务。

        深睿研究院与东部战区总医院联合发表的题目为“A Brain Age Estimation Network with 3D Skipping and Outlier Constraint Loss“ 论文中指出磁共振成像（MRI）以其高空间分辨率及高密度分辨率为脑发育情况的评估提供了机会。在儿童、青少年和成年早期人脑的发育是一个极为复杂的过程，体现为脑不同区域组织发育顺序和模式的异质性。这些脑微结构在发育过程中的潜在模式化改变为脑发育情况的评估提供了基础。

        这些全球领先的科研成果显示了深睿研究院在人工智能和医学影像分析领域强大的科研实力、技术创新能力，以及优秀人才的保有量。这些算法中部分已经应用于深睿医疗现有医疗AI产品，在应用到临床后将使深睿医疗的产品更好地服务于社会。正如俞益洲教授在加入深睿医疗后说的：“医学正在从以解剖学为基础的现代医学时代进入人工智能驱动的智慧医学时代。这意味着我们需要专门为医疗场景设计一些智能图像分析算法；比如研制可以在小样本上训练，但泛化性强、对数据分布不敏感、对标注一致性容忍度高的AI模型。”作为深睿研究院负责人，俞益洲教授带领团队研发人工智能领域的前沿科技为深睿医疗大大小小的具体项目做技术攻关，为医学影像的智能化助力。截止到目前为止，深睿研究院已发表近百篇学术论文，彰显深睿医疗强大的科研能力。

        深睿医疗一直专注于人工智能前沿科技的探索，致力于将这些人工智能技术应用到医疗场景中，从而产生不断促进智慧医疗发展的科技力量。深睿医疗刚刚中标国家重点研发计划“数字诊疗装备研发”重点专项，目前还承担了科技部、国自然及全国各大城市多个重大专项科研项目，与国家相关部门，各大高校科研团队及国内顶级医疗机构进行深入合作。深睿医疗将全力促进科研成果快速向临床应用转化，秉承创新之心，在医学人工智能领域不断探索和前行，不断发掘医学AI在医疗领域的应用场景。深睿医疗深耕智慧医疗领域，让看病不再困难。

        CVPR收录文章名录

        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收录文章名录

        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