点击下方卡片,关注“CVer”公众号
AI/CV重磅干货,第一时间送达
转载自:复旦大数据学院
扫码加入CVer知识星球,可以最快学习到最新顶会顶刊上的论文idea和CV从入门到精通资料,以及最前沿项目和应用!发论文,强烈推荐!
获奖介绍
2023年10月12日,复旦大学大数据学院庄吓海教授团队的论文“BayeSeg: Bayesian modeling for medical image segmentation with interpretable generalizability”获得爱思唯尔出版社,医学影像分析期刊和国际MICCAI学会联合颁发最佳论文奖(Elsevier-MedIA 1st Prize & MICCAI Best Paper Award),成为第一篇以中国大陆研究机构(复旦大学)为第一单位的获奖论文。
MICCAl Best Paper Award 2023 & Elsevier-Medical Image Analysis 1st Prize
该奖项于2004年设立,一年一评,旨在表彰医学影像人工智能领域年度最优秀的论文。
该奖项今年在加拿大温哥华举办的第26届国际医学图像计算与计算机辅助介入大会(MICCAI2023)上宣布,会议方同时邀请了“深度学习三巨头”之一,“神经网络之父”,图灵奖得主Yann LeCun做会议主题报告。
MICCAI 2023 颁奖现场
论文内容
借助大数据和算法,医疗和技术的深度融合已经让"AI医生"逐渐融入人们的生活。这为人们提供了更多就医便利,并提供了疾病诊断的支持。在医学领域中,人工智能的重要应用之一是神经网络在医学影像分割方面的应用。神经网络是一种模拟人脑神经元运作的数学模型,通过学习和模式识别,能够帮助医生解析和分析复杂的医学影像数据,从而提供准确的诊断和治疗建议。
然而,神经网络难于解释的“黑盒子”性质极大地限制了医学图像分割人工智能在临床中的应用:我们难以及时了解什么时候、哪些情况下人工智能的判断可能会出错,需要医生的再次检查;同时模型在面对未曾见过的数据时性能会急剧下降,难以保持强泛化能力。
对于一个初出茅庐的人类医学生,只要牢记基本的器官形状,即使面对不熟悉的医学图像,也能取得不错的分割效果。因此,我们从中产生灵感,希望能够约束神经网络使用学习到的“形状轮廓”知识做出分割判断。
贝叶斯学习的医学影像分割泛化模型:
(a) 概率图模型,(b) 神经网络搭建与推断示意图。
基于以上想法,我们提出了一种可解释的贝叶斯分割框架(BayeSeg),对图像进行变量分解,分离出表示形状的变量和表示图像外观的变量,将分割变量限制仅与形状变量相关,并联合图像和其对应的分割标签进行显式统计建模。之后使用变分贝叶斯框架来近似这些可解释变量的后验分布,并用神经网络实现该框架的训练与推断。因为通过概率图模型显式建模的变量都有实际的物理含义,医生可以通过可视化不同变量的后验分布来判断BayeSeg的决策过程是否正确,模型具有良好的可解释性;同时,在前列腺分割和心脏分割任务上的实验结果表明,BayeSeg也展现出了良好的泛化能力。
不同变量后验的可视化图
论文链接:
https://www.sciencedirect.com/science/article/pii/S1361841523001494
https://arxiv.org/abs/2303.01710
该项研究成果由复旦大学大数据学院2018级博士研究生高尚奇、2021级博士研究生周杭琪、2022级博士研究生高一博共同完成,通讯作者是庄吓海教授。相关工作得到了国家自然科学基金和上海人才发展基金的支持。
今年,复旦大数据学院医学影像人工智能实验室(ZMIC Lab)在国际医学影像顶级会议MICCAI、IPMI获得多项奖项与提名,论文“BInGo: Bayesian Intrinsic Groupwise Registration via Explicit Hierarchical Disentanglement” 医学影像信息处理大会(IPMI)Francois Erbsmann Prize(最佳论文奖)runners-up,论文“A Reliable and Interpretable Framework of Multi-view Learning for Liver Fibrosis Staging” 提名MICCAI 2023 Best Paper Award与MICCAI学会青年科学家奖。
在CVer微信公众号后台回复:BayeSeg,可以下载本论文pdf、代码,学起来!
ICCV / CVPR 2023论文和代码下载
后台回复:CVPR2023,即可下载CVPR 2023论文和代码开源的论文合集
后台回复:ICCV2023,即可下载ICCV 2023论文和代码开源的论文合集
医疗影像和图像分割交流群成立
扫描下方二维码,或者添加微信:CVer444,即可添加CVer小助手微信,便可申请加入CVer-医疗影像或者图像分割微信交流群。另外其他垂直方向已涵盖:目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch、TensorFlow和Transformer、NeRF等。
一定要备注:研究方向+地点+学校/公司+昵称(如医疗影像或者图像分割+上海+上交+卡卡),根据格式备注,可更快被通过且邀请进群
▲扫码或加微信号: CVer444,进交流群
CVer计算机视觉(知识星球)来了!想要了解最新最快最好的CV/DL/AI论文速递、优质实战项目、AI行业前沿、从入门到精通学习教程等资料,欢迎扫描下方二维码,加入CVer计算机视觉(知识星球),已汇集近万人!
▲扫码加入星球学习
▲点击上方卡片,关注CVer公众号
整理不易,请点赞和在看![b481950eadcbb961bd728e2feb4705c0.gif](https://i-blog.csdnimg.cn/blog_migrate/924a647503dfc8a40be9f0a5519958f2.gif)