吕乐：医学影像学者的医者仁心 | 智源专访

智源社区

于 2021-08-09 12:00:00 发布

阅读量1.2k

点赞数

文章标签：算法大数据编程语言机器学习人工智能

本文链接：https://blog.csdn.net/BAAIBeijing/article/details/119551342

版权

【栏目：产业洞察】随着社会发展，老龄化的问题也日益凸显，给医疗体系带来了新的挑战。使用医学影像辅助诊断技术，可以帮助医生及早筛查病人，缓解治疗负担。

「做科研要明白你的动机和初心是什么。」这是医学影像资深学者吕乐博士在采访中反复提及的核心思想，「我们的工作就是希望临床能用起来，帮助医生，真正对病人有好处。像我们做的骨质疏松检测和胰腺癌早筛，都是能让病人获益的，病人是我们工作的动力。我这些年工作的核心就是为了病人，尽可能为病人多做一点事。」

从利用深度学习在三维影像中进行癌症检测，到包含11万张胸透图的大规模医疗影像数据库，吕乐博士在这次采访中向我们介绍了他的研究和心路历程，同时给青年学者和医学影像领域的发展提出了深刻的建议，下面是采访全文（全文8977字，阅读时间大约17分钟，有适当删节）。

吕乐，2007年获得美国约翰霍普金斯大学计算机系哲学博士学位，期间在微软研究院北京和Redmond工作两年，师从沈向洋和Kentaro Toyama 及Paul Viola，博士期间研究方向是计算机视觉与统计学习。2006年10月起在西门子美国研究院工作开始从事医学影像的技术和产品研发。2006～2013年对西门子的基于医学影像的癌症检测和诊断系统做出了突出贡献，领导研发的产品在全球20,000家医院使用，并发表顶级会议论文15篇和12个美国专利。

2013年一月起，在美国国家卫生研究院临床中心工作五年，对深度学习在医学影像中的应用作出了一系列推动整个行业发展的贡献。2015年获得NIH年度最佳导师奖，2017年因为突出的临床贡献获得NIH临床中心院长奖。2017年受Nvidia CEO黄仁勋的邀请，创立了英伟达的医学影像人工智能研究组。2018年至2021年是平安集团美国公司华盛顿研究院的执行院长。

受访对象：吕乐

采访：李梦佳

整理：李中梁、李梦佳

西门子时期

Q：您在 CV领域有25年经验，在医学影像领域也工作了15年左右。这么多年来在这个领域您看到了哪些变化和延展？

A：15年变化还是蛮大的。医学影像大概25年前就有人研究了，之前很多前辈的做法往往不是基于统计，也不是数据驱动的。

之前的医学影像分析的做法是基于模式假设，我认为这个肿瘤应该是什么样的，然后制定一个模板去匹配。例如，我认为肺结节是个圆球，我拿椭圆球的模型去匹配肺结节，比如肠癌，我认为是在肠壁上长了一个小包，大概是半球形。我就设定一个半球形的模型，在三维影像里面检测这种半球形，这是之前的非数据驱动的方式。

肺结节(pulmonary nodule, PN)，指肺内直径小于或等于3 cm的类圆形或不规则形病灶，影像学表现为密度增高的阴影，可单发或多发，边界清晰或不清晰的病灶。

而我们在西门子的做法是基于统计的。在医学影像行业里，国内外研究者很多都是我之前在西门子开发不同领域的同事，比如郑冶枫（腾讯天衍实验室）是做心脏的，周少华（中科院）是做超声，我主要做CT里面的肿瘤，肠癌和肺癌。我们在西门子的影像分析方法跟以前不一样，我们基于数据驱动，虽然没有现在深度学习时代这么大的数据，但只有几百上千个病人，所以我们当时必须用新的算法，比如像 Boosting、Random Forest算法。

计算机视觉从2000年之后到深度学习爆发之前，这12年左右的时间，大家主要是做基于概率的统计学习，也是我们在西门子主要采用的方法。

当年在世界上有两个最发达的工业界研究机构，一个是微软，一个是就西门子。在美国只有这两家公司的研究院真正在计算机视觉最好的期刊之一IJCV（International Journal of Computer Vision）上发表过机构专刊（institutional special edition）说明他们的工作在行业内是比较受认可的。

西门子

当时的人工智能主要是基于统计学习的非深度学习，比第一阶段基于传统模式匹配的方法要好非常多。我没有太经历过第一个年代，直接经历了第二个年代，我是第二年代里的一份子。

2012年9月吕乐博士和西门子美国CEO讲解自己刚刚获批的美国专利内容

NIH时期

Q：后来是什么样的契机您去了NIH（美国国家卫生研究院）？在美国的医学研究机构工作有什么样的体验？

A：2012年我决定去NIH，主要有两个原因。

首先，我觉得做医学影像，要跟临床、跟医生更紧密的结合起来。我在西门子的时期，医生集中在费城的几个大医院里，西门子的办公室在费城郊区，我每年都会去医院里待6天，医生会来教我们看片，我觉得医生还是很厉害，他们会从他的逻辑来判断为什么这个东西是肺结节，为什么这个东西是大肠息肉为什么不是。我觉得这个世界上很需要既懂临床又懂技术的，但真正在这之间起到桥梁作用的人很少，而且你真正深入临床医院就会知道当中有无穷多的事情可以做，这是我的好奇心。

另外一个原因，当时在西门子做统计学习遇到了瓶颈。虽然当时正处于统计学习的高峰，但高峰之后，其实就是瓶颈。我觉