????点击上方蓝字星标“Robinly”,获取更多重磅AI访谈
Robin.ly 是立足硅谷的视频内容平台,服务全球工程师和研究人员,通过与知名人工智能科学家、创业者、投资人和领导者的深度对话和现场交流活动,传播行业动态和商业技能,打造人才全方位竞争力。
本期Robin.ly CVPR 2019专题访谈特邀PAII Inc. 美东研究院的执行院长、前美国国家卫生研究院(NIH)资深研究员吕乐博士,在美国长滩CVPR大会现场分享他将深度学习应用在医疗图像领域的研究经历及个人工作心得。
吕乐博士在美国长滩CVPR2019大会接受Robin.ly专访
PAII隶属于平安科技公司,是一家技术驱动型公司,专注于智能城市、智能教育、医疗影像和临床信息学的技术解决方案。在加入PAII之前,吕乐博士曾在美国西门子研究院、美国国家卫生研究院(NIH)临床中心和英伟达公司一共工作了近12年。他的研究致力于改进现代医学图像理解和语义分析,以推动预防性医学、精准医学、癌症影像诊断治疗以及医疗大数据等领域的革命性临床工作流程实践。到目前为止,他共发表了科研论文130余篇、美国/PCT专利26项,并获得了NIH多项科研临床贡献奖励、MICCAI 5年最有影响力论文奖和 RSNA 2016/2018年杰出论文奖。他曾多次担任CVPR、MICCAI、 WACV和ICIP领域主席。
下文为Robin.ly主持人Margaret Laffan与吕乐博士的访谈实录。
长按二维码或点击“阅读原文”
访问Robin.ly获取英文访谈实录
1
个人研究背景
主持人:吕乐,感谢你今天接受我们的采访,很高兴在CVPR见到你!
吕乐:
谢谢,很高兴来到这里。
主持人:你在2006年获得了约翰·霍普金斯大学的计算机视觉和机器学习博士学位。能介绍一下你的博士研究项目吗?
吕乐:
我的博士研究是关于统计方法的计算机视觉。在加入西门子研究院之前,我做了大约10年的计算机视觉研究。20世纪90年代的后十年是几何学的十年,人们基本上都在做射影几何和3D重建。我在中科院自动化所(导师胡占义)和微软亚洲研究院(导师沈向洋)度过了1996-2001。从2001年到2006年,我在约翰·霍普金斯大学度过了五年时光,也同时参与了微软美国研究院的实习项目,毕业论文题目是统计学习在计算机视觉里的应用。深度学习一般可以视为概率学习或统计学习方法的特例。
吕乐博士在美国长滩CVPR2019大会接受Robin.ly专访
主持人:CVPR的日程安排非常紧凑,有很多讲座和讨论环节。你对大家讨论的哪些话题最感兴趣?
吕乐:
我们有几个医学影像相关的研讨会。我本身是一个研讨会的组织者,也接受邀请在另一个研讨会上发表演讲。我自己的研讨会是关于医学影像和深度学习的,叫做医学计算机视觉,我组织这个研讨会有八年了。从2015年起,这个研讨会的房间都是一整天都座无虚席。我今天主会参与的“Low-shot Learning”和“Weakly Supervised Learning”两个主题讨论很有意思,跟我所研究的大数据弱标记(Big Data Weak Labeling)课题关系非常密切。作为大会的一名领域主席(Area Chair),我确实看到了各个相关领域都取得了不少进展。
2
NIH工作期间的主要成就