上海人工智能实验室联合香港中文大学荣获医学影像顶会MICCAI两项挑战赛冠军

近日，国际医学影像领域顶会MICCAI（Medical Image Computing and Computer Assisted Intervention）在新加坡举办。上海人工智能实验室张晓凡教授团队联合香港中文大学窦琪教授团队，在会议发起的心脏核磁共振图像鲁棒分割挑战赛（CMRxMotion）和脑胶质瘤分割联邦学习挑战赛（FeTS）上，从来自全球知名科研机构和企业的多支参赛队伍中脱颖而出，荣获两项比赛冠军。

国际医学图像计算和计算机辅助介入大会 （MICCAI）是智能医学影像与计算机辅助相关领域最具声望和综合影响力的顶级学术会议，涵盖人工智能、医学图像分析、计算机辅助诊断与治疗、微创介入规划与导航等方面。MICCAI每年举办针对医学影像分析多种任务的国际挑战赛，吸引全球众多专业学者、顶级学府及知名医疗技术机构的积极参与，已成为医学图像分析方法创新与标准化验证的公认平台。

【夺冠FeTS挑战赛:多中心异质脑胶质瘤图像分割高效联邦学习新方法】

胶质母细胞瘤（GBM）是一种成人侵袭性脑肿瘤，患者五年存活率不足10%，核磁共振影像是GBM临床诊断和反应评估的常用手段。FeTS挑战赛针对脑胶质瘤分割任务，收集了超过8000例多中心核磁共振图像，搭建了远程协作训练与测试联邦学习平台，参赛者需提出测试模型泛化新方法，针对来自于各独立机构的未见数据进行测试和模型验证。团队在本次比赛中，采用联邦学习测试阶段特定批标准化方法，通过重新估计测试阶段数据的特征均值与方差，来缩减训练与测试特征分布距离，提升模型在未见数据的分布上的泛化性。凭借出色的表现，团队取得了第一名的成绩。

挑战赛任务：基于联邦学习的多中心脑胶质瘤图像分割方案

【夺冠CMRxMotion挑战赛:以数据驱动模型的心脏核磁共振图像鲁棒分割】

基于心脏核磁共振图像的解剖分割模型在临床上具有重大意义。深度学习分割模型有较高准确度，但是在低质图片上不具备鲁棒性。比如模型无法较好分割急症病人在强烈不自主呼吸情形下扫描得到的图像。在心脏核磁共振图像分析国际挑战赛（CMRxMotion）中，主办方组织志愿者采用不同的呼吸强度进行核磁共振扫描，参赛者根据该临床数据集，开发对呼吸运动伪影鲁棒的分割模型。最终模型评估将基于不同呼吸强度的测试数据，且评估指标兼顾准确率和鲁棒性。在该任务中，实验室团队收集了大量公开的心脏核磁共振图像数据集，采用有监督学习和自监督学习分别利用有标签和无标签的数据进行预训练，并采用随机数据增强以及对抗数据增强两种方式提升数据的多样性。最终，团队的模型在左心室、左心室心肌和右心室的分割中均表现优异，超越来自全球多个国家及地区的队伍取得第一。

在呼吸影响下不同成像质量的心脏核磁共振影像

参赛团队模型性能及排名

目前，上海人工智能实验室与清华大学、上海交通大学、复旦大学、浙江大学、中国科学技术大学、香港中文大学、同济大学等知名高校签订战略合作框架协议，开展博士研究生联合培养及科研人员双聘。同时，实验室智慧医疗研究中心与上海交通大学医学院附属瑞金医院、四川大学华西医院、上海申康医院发展中心、中山大学附属第六医院等头部医疗机构开展深入合作，在人工智能应用于医疗领域的研究取得了丰硕成果。

智慧医疗研究中心旨在通过人工智能与医学的深度交叉融合，赋能医疗健康，打造国际一流的智慧医疗研究团队，突破人工智能相关理论和关键技术，建立疾病预警、早筛、诊断、治疗与疗效评价的智能化技术体系，形成具有广泛国际影响力的智慧医疗成果应用及推广体系。

中心正面向全球招募领军人才、青年研究员、博士后、工程师及产品经理等岗位，欢迎登陆上海人工智能实验室官方网站（www.shlab.org.cn），点击导航栏“加入我们”，在该页面搜索框输入“智慧医疗”查看岗位并进行投递。