李锡荣副教授团队在医学影像分析重要学术会议MICCAI 2019上发表论文

伟德官网人工智能与媒体计算实验室（AIMC）李锡荣副教授指导的三名硕士生徐朝喜、王渭森、杨焯雅，各自以第一作者身份完成的论文被 MICCAI 2019及下属workshop录用。

MICCAI (International Conference on Medical Image Computing and Computer Assisted Intervention)是跨医学影像计算(MIC)和计算机辅助介入 (CAI) 两个领域的综合性学术会议，是该领域最有影响力的学术会议之一，被认为有着非常强的国际影响力和非常高的学术权威性。随着人工智能在各个领域的蓬勃发展，今年的MICCAI会议吸引了全球130多所顶级高校和研究机构的参加，论文投稿数量相比去年增长了70%，再创历史新高。遵循MICCAI对学术交流的深度和质量要求，今年仅收录了540篇，录取率31%。其下属的MLMI (Machine Learning in Medical Imaging) workshop投稿量也较往年大幅增加。MICCAI收录的论文代表医学影像计算和计算机辅助介入的最前沿技术和研究风向标，引领以上领域的未来发展方向。

三位同学的工作均致力于利用深度学习技术解决眼科影像理解中的难题。

徐朝喜（研三）的论文“Fully Deep Learning for Slit-Lamp Photo Based Nuclear Cataract Grading”关注核性白内障（Nuclear Cataract）的分级问题。白内障是全球头号致盲疾病，而核性白内障是其中最常见的类型。该文提出了一种全深度学习的方法, 有效解决了裂隙灯照片复杂背景下晶状体核区的自动定位和分级问题。

王渭森（研一）的论文“Two-Stream CNN with Loose Pair Training for Multi-modal AMD Categorization”研究年龄相关性黄斑变性 (Age-related Macular Degeneration, AMD) 不同亚型的自动识别问题。AMD也是主要致盲性眼疾之一。该论文提出了一种端到端训练的双流卷积神经网络结构，可同时接受眼底彩照和光学相干断层扫描图像这两种不同模态的眼底影像作为输入。论文并给出了多模态版的类激活图以增强模型预测的可解释性。

杨焯雅（研一）的论文“Joint Localization of Optic Disc and Fovea in Ultra-Widefield Fundus Images”首次研究了超广角眼底图像中视盘 (optic disc) 和黄斑中央凹 (fovea)这两个主要生理结构的自动定位问题。该论文将视网膜的生理结构特征通过损失函数的形式引入到目标检测网络的训练中，使得复杂眼底条件下的目标定位精度有了明显提高。

附：论文信息

[1] Chaoxi Xu, Xiangjia Zhu, Wenwen He, Yi Lu, Xixi He, Zongjiang Shang, Jun Wu, Keke Zhang, Yinglei Zhang, Xianfang Rong, Zhennan Zhao, Lei Cai, Dayong Ding, Xirong Li* (2019): Fully Deep Learning for Slit-lamp Photo based Nuclear Cataract Grading. International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI), 2019

[2] Weisen Wang, Zhiyan Xu, Weihong Yu, Jianchun Zhao, Jingyuan Yang, Feng He, Zhikun Yang, Di Chen, Dayong Ding, Youxin Chen, Xirong Li* (2019): Two-Stream CNN with Loose Pair Training for Multi-modal AMD Categorization. International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI), 2019

[3] Zhuoya Yang, Xirong Li*, Xixi He, Dayong Ding, Yanting Wang, Fangfang Dai, Xuemin Jin (2019): Joint Localization of Optic Disc and Fovea in Ultra-Widefield Fundus Images. The 10th International Workshop on Machine Learning in Medical Imaging (MLMI), in conjunction with MICCAI, 2019