上科大生医工学院在线学术讲座迎来新年第二期嘉宾，应学院创始院长沈定刚教授邀请，德国慕尼黑工业大学洪堡教授 (Alexander von Humboldt Professor) 、英国伦敦帝国学院计算中心主任 Daniel Rueckert 教授为大家带来题为 “人工智能和放射学的未来 (AI and the future of radiology)” 的精彩讲座。学院齐海坤助理教授主持了本次主题讲座。
Rueckert 教授是 MICCAI、RAE、IEEE、AMD 和 AIMBE 的会士，发表了超过500篇期刊和会议论文，论文引用超过6万次 (H-index 113) 。他目前担任 MIA、IVC 和 MICCAI 的编委和 IEEE TMI 的副编辑。
首先，Rueckert 教授从整体层面介绍了 AI 在放射学的应用，按照其临床应用的层面由底层到顶层 (如下图) 分别为：图像的获取和重建 (如加速成像) 、图像增强 (如去噪、超分辨、图像融合) 、图像的语义分析 (如病灶检测、定位和分割) 、图像中生物标记的量化 (如形状和纹理分析以及目前很流行的放射组学分析) 、筛查和监护以及对疾病的诊断和预测 (如计算机辅助的决策系统的建设) 。
AI 在放射学中不同层级的应用
随后，以心脏 MRI 成像为例，Rueckert 教授具体介绍了深度学习在图像采集和图像重建中的应用。首先，针对传统的心脏 MRI 成像速度慢的问题，Rueckert 教授团队的研究显示，使用深度学习来实现心脏 MRI 的快速采集和重建，相比于传统压缩感知能取得更好的图像重建结果；而且，使用循环神经网络替换级联卷积神经网络可实现更少的网络参数、更快的优化速度和更小的重建误差。
考虑到信噪比、屏气时间和成像速度的限制，心脏 MRI 成像通常仅采集短轴 2D 图像，层厚较厚，在另外维度上 (长轴) 的分辨率低。基于 AI 的图像超分辨则有助于显著提高心脏成像的长轴分辨率，并且通过引入形状约束来保证重建得到的心肌组织满足特定的拓扑规律。
深度学习在心脏 MRI 重建中的应用
此外，Rueckert 教授还介绍了 AI 在胎儿 MRI 成像中的应用。胎儿 MRI 成像时间长，成像时的胎儿本身和母体呼吸造成的运动干扰问题较为突出。传统的快速成像技术通常会采集多层 2D 图像来冻结运动，由此造成层间分辨率低且不同层之间存在运动伪影。Rueckert 教授团队使用基于 AI 的配准和超分辨率成像技术，可以得到高分辨率、各向同性和具有低运动伪影的重建后的胎儿 MRI 图像。
Rueckert 教授接下来介绍了基于 AI 的图像识别方法在放射影像领域的应用。该技术可引导经验相对缺乏的医生自动进行病灶区域的诊断，并提高诊断的可重复性。具体来说，Rueckert 教授团队提出了一种采用注意力机制的自动检测腹部超声扫描平面的算法。该算法能够基于 2D 超声成像设备实时、准确地判断当前图像的扫描角度和扫描平面，并且进一步使用强化学习将对扫描平面的检测扩展到 3D 图像应用中。作为另外一种常见的图像识别场景，Rueckert 教授还简要介绍了基于 AI 的图像分割算法，包括在脑和心脏分割中的具体应用。
深度学习在自动化检测 2D 腹部超声扫描平面中的应用
Rueckert 教授接下来介绍了团队在基于生物力学的心肌运动追踪方面的研究工作。传统的图像配准算法的损失函数由“相似性测度”项和“正则化”项两部分组成。为更好地将图像配准算法应用于心肌运动追踪，Rueckert 教授团队将心肌的生物力学先验信息引入传统的配准框架中，采用变分自编码器作为正则化算法，确保形变场作用前后的心肌组织保持拓扑形态一致。这样，在配准时可避免不符合解剖特性的错误形变。
深度学习通过变分自编码器
在配准框架中引入拓扑形态 (配准前后) 一致性
针对医学影像分析领域长期存在的数据稀缺性这一问题， Rueckert 教授介绍了 UK Biobank 这个近期建成的医学影像大型数据集。从2014年起，UK Biobank 项目从英国多家医疗机构采集并处理了超过10万个志愿者的脑、心脏和身体影像数据，并采集了他们的生活方式、治疗信息、基因信息和医疗记录等丰富的文本数据，为进一步探究人体解剖结构和生理功能的内在联系提供了重要的数据支持。
UK Biobank 包含的人体影像数据和各种文本数据
在报告的最后一部分，Rueckert 教授总结了深度学习在医学影像中面临的挑战，包括对于对抗攻击的鲁棒性、临床大数据情况下的可验证性、训练和测试数据存在差异时模型的泛化性、医疗大数据安全和隐私保护。Rueckert 教授还展望了未来的医学影像分析流程的发展，特别强调了 AI 有望覆盖整个医学影像研究工作流，包括图像采集、重建、分析和 AI 模型的可解释性，上述工作流的各节点之间应允许反馈和相互协作；并且，模型应根据不同的临床需求进行有针对性的优化。
讲座结束后，参会师生与 Rueckert 教授就研究内容进行了充分的讨论互动。
Rueckert 教授展望的“全链条”
AI 赋能的医学影像处理流程
本期讲座完整录像请关注“上科大生医工学院”官方哔哩哔哩账号观看，观看地址：
https://www.bilibili.com/video/BV1er4y1e7uB/
