#19.06.27
Innovative Machine Learning for Medical Data Analytics
Info:GE healthcare 9年经历,2015年后全职学术,产学研,chairman of MICCAI 2022 conference
介绍背景:where is London?加拿大,蒙特利尔-多伦多-伦敦 全国才3000W+人口,整个深圳市就约2000W+,可见地广人稀,但公费医疗;健全的法律体系和医疗机构使得在加拿大不能在医院乱消费,每一个病人在诊断时医生都可以调用其医学病史数据,与国内不同
Medical Data& Social Media Data
Big Data:
- Volume
- Variety
- Velocity
(金钱可以解决1和3,但是不能在短期内解决多样性)
加强ML能力和理解,其实把顶会CVPR提出的新方法运用在医学领域也可以,虽说方法一样,但是每种方法有其特定的适用范围需要灵活调整。医学影像定位和纯CS不一样,我们的目标是解决问题,同时方法可以有很多种
举例:
1.Regression Learning 二维x轴代表医学图像,y轴代表ROI集合点集
2.心室的分割,实际是大圆而不是部分小区域,有些区域图像中无法显示,因为心脏在跳动,因此需要借助动态图像手动标注区域
Segmentation:大家普遍停留在这一阶段,不同病例不同的分割方法和区域;难度大关键
AI enhanced imaging
chemical contrast agent:昂贵,危险,多次扫描,慢性病不能适应,医生监管
目前团队已经可以实现AI合成与实际造影剂相似的图像,这大大降低了风险和成本,提高效率(必须通过已有相关部分数据,而不能无中生有)