雷锋网 AI 科技评论按：本文首发于美篇（https://www.meipian.cn/q8v4psf），作者周少华，雷锋网 AI 科技评论获本人授权转载，文章略有删节，并获得了周少华博士的再次核对编辑，特此表示感谢。
周少华 Kevin, 中国科技大学学士, 美国马里兰大学博士, 专业电子工程。现在西门子负责研发与医学图像相关的创新产品。他撰写编辑了五本学术专著，发表了180+篇学术期刊及会议论文和著作章节，并拥有80+项批准专利。他多次获奖，包括发明奥斯卡奖、西门子年度发明家、爱迪生专利奖、马里兰大学ECE杰出校友奖。他是IEEE TMI和Medical Image Analysis期刊副主编、CVPR和 MICCAI 的领域主席、《视觉求索》主编、美国医学与生物工程院 Fellow。
MICCAI 是医学影像分析 (Medical Image Analysis) 研究领域的顶尖年会。今年 9 月 10 日到 14 日在加拿大魁北克会议中心举行，与会者达 1350 人左右。
本次 MICCAI 会前，我不仅作为作者投稿，也有幸成为大会程序委员会的 Area Chair 之一。所以 5 月 12 日到 14 日，已经飞到魁北克参加了 MICCAI 2017 Area Chair meeting。详情请参如下链接。
9 月 12 日星期二 12:30pm -- 1:30pm Convention Center Room 202A
Medical Image Analysis 是 MICCAI society 的旗舰学术杂志，代表了该领域的最高学术水平。作为该杂志的 associate editor 之一，我参加了 editorial board 的午餐会议。同时与会的华人还有沈定刚（北卡大学教授）和李硕（加拿大西安大略大学副教授）。
总体而言，杂志情况与去年基本持平，submission 量略有提高。中国 submission 位居第三，接收文章有 10 篇，比去年有进步。希望中国的同行们继续努力。
会后，主编之一 Nicholas Ayache (Research Director at INRIA) 主动联系我，谢谢我的工作并询问工作量是不是太重。我主要是处理 Machine learning and deep learning 方面的工作，看来这方面研究正红还会继续红火。
9 月 13 日星期三 早上 8 到 10 点
MICCAI Oral Session 14 是专门针对工业界设计的，共有四个演讲，头三个是大会的常规论文，最后一个是特邀演讲，演讲之后还有个 panel 讨论。Tanveer(IBM) 和我共同主持。
可能是由于受星期二 gala 的影响，一开始诺大的厅里只坐了几排人，大家的 energy level 不高。后来人群逐渐涌入，最后整个大厅爆满。大家的热情也越来越高，听众竟然要排队提问。这也说明大家对于 industry 应用非常关心。
会后有许多人反应这次 industry session 组织得很好，信息量丰富，知识点多，务实不从虚。
9 月 13 日星期三 晚 6:30pm, Observatoire de la Capitale
大会的质量很大程度上取决于大会的文章质量。程序委员会是最终决定文章收录的。为了回报对其成员的辛勤付出，大会特地在观景台 31 楼犒赏三军。魁北克全城面貌尽瞰眼底。
Young Scientist Award 是奖励年轻的科学家，获奖者必须满足两个条件：
（i）需为文章的第一作者；
（II）需是在校学生，毕业一年内亦可。
有幸受邀成为 Committee 成员之一，Committee 主席是今年刚入选 MICCAI Fellow 的 Josien Pluim（TU Eindhoven教授）。Committee 成员中还有蔡卫东（悉尼大学教授）。
Committee 共同进行了三轮筛选。
第一轮是 committee chairman 选出有可能入选的文章 20 篇。
第二轮是 committee members 分别给 20 篇打二值分。打分汇总后剩下 12 篇进入下一轮。
最后一轮是 committee members 进一步暗中观察 poster presentation，综合打分。最后，汇总讨论决定 award。
获奖文章的 poster
Invited Talk
9 月 14 星期四 早上 8:00－8:45
随着深度学习深入人心，Deep Learning for Medical Image Analysis (DLMIA) Workshop 也越来越热门。我有幸受邀给 keynote speech，题目是＂Deep learning and beyond：medical image recognition, segmentation, and parsing＂。
我首先简单介绍了西门子最新研究成果 Cinematic Rendering，然后讲述了 Medical Image Recognition, Segmentation , and Parsing（医学图像识别、分割、分解）的必要性、挑战与困难、机器学习方法与知识模型结合的有效性以及实例。
随后，综述了深度学习的最新研究前沿 (skip connection, attention, deep supervision, image-to-image network, etc.)，以及西门子利用深度学习并结合知识模型的最新成果。
会前收到 Alex Frangi (University of Sheffield教授) 的邀请，希望成为 MICCAI book series editorial board 成员，帮助 book series 评审书稿申请，并推荐新的书目。我们借机见了面。
趁机宣传一下我最近的两本新书，正是属于这个 book series，在大会都有展示。
Medical Image Recognition, Segmentation and Parsing (Zhou Ed. )
Deep Learning for Medical Image Analysis (Zhou, Greenspan and Shen Eds. )
我们编者三人组（沈定刚、以色列 Tel-Aviv University教授 Hayit Greenspan、我）在编书过程中打了无数电话，终于趁这次会议机会可以面对面。
Yoshua Bengio （蒙特利尔大学教授）是深度学习的“三架马车”之一。他受邀给MICCAI大会作Keynote Speech。下面摘要了他演讲的Slide标题。
Intelligence needs knowledge; Machine learning, AI, no free lunch; Bypassing the curse of dimensionality (compositionality); Distributed representation; Anything new with deep learning since the neural nets of 90s; Generative adversarial network; Attention using gating units; We are starting to better understand why deep learning is working; Still far from human level AI; Humans outperform machines at unsupervised learning; Latent variables and abstract representations; Maps between representations; Deep data fusion; Combining heterogeneous sources with missing modalities; Curriculum learning as a continuation method; Guided training, intermediate concepts; CASED Jesson et al. MICCAI 2017; Conclusions and future perspectives.
顺便给自己的文章做个广告。
《Automatic Liver Segmentation Using an Adversarial Image-to-Image Network》
先提出图像到图像的网络，输入原图像，输出分割 mask 图。然后引入了对抗网络，用于 regularize 输出的分割 mask，可以看作是 shape prior。对抗网络，最早是用来做图象生成，目前还在研究中，最终效果尚待观察。但用它来做 regularizer，实际中似乎很有效。实验是基于上千的 CT 影像，准确度达到了前所未有的程度。
《Supervised Action Classifier: Approaching Landmark Detection as Image Partitioning》
常规的 landmark 表达包括点坐标、heatmap 图等。提出一种新的表达方式 action map，用于表示 landmark。实验结果表明此表达方式效果明显。
《Deep Image-to-Image Recurrent Network with Shape Basis Learning for Automatic Vertebra Labeling in Large-Scale 3D CT Volumes》
用 DL 找到脊椎 landmark heatmap 之后，进一步结合先验知识来提高准确定位和降低错误率。这里的先验知识是指脊椎 landmark 的相互关系。
本次会议中国力量进一步加强。与会的中国人数比上届明显增加，周一晚上聚餐的报名供不应求也是一个例证。另外录取文章数以中国人为第一作者的占近四成。最后，获得的各种奖项也很多。
香港中文大学窦琪、于乐全、陈浩等人的文章获 medical image analysis: miccai2016 special issue 最佳文章奖。
闰平昆（RPI 新晋助理教授）获 IJCARS Miccai2016 special issue 最佳论文奖。
西安大略大学的薛武峰获 Young scientist award。
王国泰（UCL）获 BraTS Challenge 第二名。
忙碌了近一周，MICCAI2017 落幕了。
总结与预测：
• 正如去年预测的一样，DL 已经大肆＂入侵＂MICCAI。据不完全统计，约一半文章与 DL 相关。遗憾的是，真正突出的文章不多，CVPR 也是这样。预测明年 DL 相关文章占比会更多。
• 随着人工智能大热，今年 CVPR 在各个方面达到了顶峰。MICCAI 则不然，文章数基本持平，参会人数达到新高。原因可能是 MICCAI 的文章更偏向 research 场景，侧重 clinical 应用的不算太多；而 CVPR 的文章很多是关于实际应用的。预测明年 MICCAI 文章会有更多侧重 clinical 应用，文章数和参会人数达新高。
• MICCAI 华人力量日益强大。预测华人与会人数会更多。
正在生成分享图...
我在思考中