报告嘉宾
梁栋（中国科学院深圳先进技术研究院）
张鸿文（清华大学）
洪申达（北京大学健康医疗大数据国家研究院）
讨论嘉宾
梁栋（中国科学院深圳先进技术研究院）
张鸿文（清华大学）
洪申达（北京大学健康医疗大数据国家研究院）
马建华（南方医科大学）
陈冠英（香港中文大学(深圳)）
岳广辉（深圳大学）
李镇（香港中文大学(深圳)）
讨论议题
1.请各位嘉宾畅想一下，生成模型（如扩散模型）在医学影像领域的应用。每位嘉宾请各自列举一个自己觉得最有趣的例子。
2.在医学影像分析任务中，生成模型（如扩散模型）的主要目的是什么？在医学影像分析任务中的重要性体现在哪些方面？会对医学影像领域对产生什么样的影响？
3.以医学影像的超分辨率重构为例，传统的研究从物理定律出发，具有明确的推导过程，是基于知识的方法。而深度学习生成模型是大数据驱动的方法，大家如何看待这种数据驱动的解决方案？尤其是在可获取的训练数据量较少的情况下，其准确性和多样性如何考量？
4.GAN 在医学影像分析任务（重建，去噪，分割等）中获得了广泛应用。与 GAN 相比，扩散模型还可以在哪些方面做改进？面临的主要挑战是什么？未来的发展趋势怎样呢？
5.生成模型（如扩散模型）基于患者数据生成的影像是否仍然具有隐私问题？
6.与计算机视觉领域的问题相比，医学影像分析问题通常具有数据量少但复杂度高的特点。如何针对这些特点，开发更适合的医学影像分析的生成算法？
报告嘉宾：梁栋（中国科学院深圳先进技术研究院）
报告时间：2022年12月27日（星期二）晚上20:00（北京时间）
报告题目：基于扩散模型的快速磁共振成像
报告人简介
中国科学院深圳先进技术研究院研究员、博士生导师，国家杰出青年科学基金获得者；现担任深圳先进院医工所所长兼医学人工智能研究中心主任，中国科学院医学成像技术与装备工程实验室主任。主要研究方向为机器学习、压缩感知及其在生物医学成像中的应用研究。主持国家自然科学基金天元基金重点专项、国家重点研发计划课题、广东省应用研发重点专项等多个科研项目。发表国际学术期刊论文100余篇，现担任《IEEE Transactions on Medical Imaging》等多个领域内权威期刊编委；国家科技进步一等奖、广东省技术发明一等奖、中国生物医学工程学会科技进步一等奖、深圳市技术发明一等奖和王天眷波谱学奖获得者。
个人主页
https://scholar.google.com/citations?user=3cAJWoIAAAAJ&hl=zh-CN&oi=ao
报告摘要
扩散模型在图像生成中表现出优异的性能，并可以用来解决 MR 重建的逆问题。然而，现有的扩散模型仍然存在着序列发散、扩散过程不一致、采样耗时及需要全采样数据的缺点，下面的报告介绍课题组在这方面的两个工作，一个是高频扩散快速磁共振成像，一个是自监督扩散快速磁共振成像。
参考文献
[1]Cao C, Cui Z X, Liu S, et al. High-frequency space diffusion models for accelerated mri[J]. arXiv preprint arXiv:2208.05481, 2022.
[2]Cui Z X, Cao C, Liu S, et al. Self-score: Self-supervised learning on score-based models for mri reconstruction[J]. arXiv preprint arXiv:2209.00835, 2022.
[3]Chung H, Ye J C. Score-based diffusion models for accelerated MRI[J]. Medical Image Analysis, 2022: 102479.
报告嘉宾：张鸿文（清华大学）
报告时间：2022年12月27日（星期二）晚上20:00（北京时间）
报告题目：基于扩散模型的高质量三维人体重建
报告人简介
2021年在中科院自动化所获博士学位，毕业至今在清华大学从事博士后科研工作，合作导师为刘烨斌教授。主要研究领域为三维视觉，尤其是以人为中心的三维感知、重建、理解和数字人生成等课题。在 TPAMI/ICCV 等 CCF-A 类期刊和会议发表学术论文10余篇，并担任相关领域期刊和会议的审稿人。曾获中科院优博、中科院院长奖等荣誉。
个人主页
https://hongwenzhang.github.io/
报告摘要
近年来，通过对人体几何先验的建模和利用，基于深度学习的三维人体重建方法在输入端要求和重建精度上不断取得突破。然而，稀疏视点条件下的重建质量仍然难以和传统基于稠密视点的质量相媲美。本报告将介绍在人体几何先验建模方面的探索以及首次将扩散模型引入到三维重建领域的研究工作：DiffuStereo，其实现了一个仅使用稀疏视角相机就能够高精度重建人体三维模型的系统。DiffuStereo 的核心是基于扩散模型的立体匹配模块，它可以在不借助人体模板的情况下利用扩散模型高效地从有限的三维人体数据集中提取几何先验，在仅需要8个 RGB 相机的情况下实现了原先近百个相机阵列才能达到的重建精度。
参考文献
[1]Shao R, Zheng Z, Zhang H, et al. DiffuStereo: High Quality Human Reconstruction via Diffusion-Based Stereo Using Sparse Cameras[C]//European Conference on Computer Vision. Springer, Cham, 2022: 702-720.
[2] Dhariwal P, Nichol A. Diffusion models beat gans on image synthesis[J]. Advances in Neural Information Processing Systems, 2021, 34: 8780-8794.
[3] Shao R, Zhang H, et al. DoubleField: Bridging the Neural Surface and Radiance Fields for High-fidelity Human Reconstruction and Rendering[C] IEEE Conference on Computer Vision and Pattern Recognition, 2022: 15872-15882.
报告嘉宾：洪申达（北京大学健康医疗大数据国家研究院）
报告时间：2022年12月27日（星期二）晚上20:00（北京时间）
报告题目：扩散模型的方法与应用
报告人简介
北京大学健康医疗大数据国家研究院助理教授、副研究员、博士生导师，研究方向为电子病历、生理信号等医疗时序数据的人工智能算法研究及临床应用。目前主持国家自然科学基金青年科学基金项目1项，在 TPAMI、TKDE、KDD、WWW、ICML、AAAI、IJCAI 等会议期刊上发表论文50余篇，其中第一/通讯作者（含共同）论文30余篇。担任 SPJ Health Data Science 期刊 Associate Editor，担任 KDD、ICLR、ICML、NeurIPS、The Lancet Digital Health、NPJ Digital Medicine 等国际会议和期刊的 PC Member 或审稿人，担任中国医疗保健国际交流促进会健康数据和数字医学分会委员。曾获得 PhysioNet Challenge 2017 First Place、第五届中国"互联网+"大学生创新创业大赛全国金奖等，相关产品已取得医疗器械注册证。
个人主页
https://scholar.google.com/citations?user=K95az5UAAAAJ&hl=zh-CN&oi=ao
报告摘要
扩散模型（Diffusion Models）是一类新的生成模型算法，它在图片生成任务中的效果超越了现有的生成对抗网络（Generative Adversarial Network），并且在图像超分辨率重构、图像补全、分割、自然语言处理、生理信号分析、多模态数据、药物小分子生成、蛋白质大分子生成等应用领域也都有出色的表现。在本报告中，将对扩散模型从算法到应用的最新进展进行系统性回顾，介绍去噪扩散概率模型（DDPM）和基于分数的生成模型（SGM）两种实现范式，以及采样加速增强、最大似然估计增强、数据泛化增强三大类方法，阐明扩散模型的设计考虑和先进方法。最后，将展望扩散模型在医疗人工智能、医学影像等领域的应用前景。
参考文献
[1]Yang L, Zhang Z, Song Y, et al. Diffusion models: A comprehensive survey of methods and applications[J]. arXiv preprint arXiv:2209.00796, 2022.
[2] Croitoru F A, Hondru V, Ionescu R T, et al. Diffusion models in vision: A survey[J]. arXiv preprint arXiv:2209.04747, 2022.
讨论嘉宾：马建华（南方医科大学）
嘉宾简介
南方医科大学教授，长期从事医学 CT 成像理论方法与技术应用研究，在低剂量 CT 优质成像、灌注 CT 功能成像、能谱 CT 定量成像、高端宽体 CT 成像系统等四个主体方向上做出了系统性的贡献。近五年，发表 SCI 论文68篇，含医学成像领域顶级期刊 TMI 长文15篇；授权发明专利32件，部分转化应用于国产 CT 系列产品，效益显著。曾获2019年广东省技术发明奖一等奖（排1）；2021年广东省科协最高奖—丁颖科技奖。主持 NSFC 区域创新重大集成项目、联合基金重点项目等国家级课题。任 TMI、PMB 等期刊编委、中国体视学学会常务理事、中国图象图形学学会理事，东软医疗 CT 研发中心首席科学家。
个人主页
http://portal.smu.edu.cn/swyxgcxy/info/1020/1207.htm
讨论嘉宾：陈冠英（香港中文大学(深圳)）
嘉宾简介
陈冠英博士在中山大学和香港大学分别取得学士学位和博士学位，现任香港中文大学(深圳）研究助理教授。在此之前，他有于百度视觉技术部、阿里巴巴达摩院、大阪大学的工作/实习经历。
他的研究方向专注于三维视觉、神经渲染、以及底层视觉。近几年在光度立体算法、神经辐射场、图像增强等领域发表顶会（CVPR/ICCV/ECCV/NeurIPS） 和顶刊（TPAMI/IJCV）论文10余篇。他目前担任多个人工智能国际期刊和会议的审稿人，也入选了2021百度全球AI华人新星百强榜单。
个人主页
https://guanyingc.github.io/
讨论嘉宾：岳广辉（深圳大学）
嘉宾简介
深圳大学助理教授、副研究员、硕士生导师。主要研究方向为医学图像分析、图像/视频质量评价及优化、机器学习及其应用等。目前，主持国家自然科学基金青年项目、广东省基础与应用基础基金面上项目等多项科研项目。截至目前发表期刊及会议论文50余篇，其中以第一作者身份发表 SCI 期刊论文20篇，授权10项国家发明专利。受邀担任 IEEE TMI/TNNLS/TMM/TCSVT/TII/TIE/TIM/TETCI/SPL、IET IP/EL、Elsevier SP/DSP/JVCI/NEUCOM 等十余个国际知名期刊的审稿人，担任广东省医学会人工智能分会委员。
个人主页
https://bme.szu.edu.cn/20201/0519/78.html
讨论嘉宾：李镇（香港中文大学(深圳)）
报告人简介
香港中文大学（深圳）理工学院/未来智联网络研究院助理教授，同时兼任深圳市大数据研究院研究科学家。他获得香港大学计算机科学博士学位（2014-2018年），中山大学通信与信息系统硕士学位（2011年至2014年）以及中山大学自动化学士学位（2007-2011）。他还于2018年在芝加哥大学担任访问学者，并于2016年在芝加哥丰田技术学院（TTIC）担任访问学生。他的研究兴趣包括人工智能跨学科研究，计算机视觉以及深度学习辅助的生物分子解析及设计。室外大场景自动驾驶、无人机（尤其是工业级无人机操控和数据采集），3D 扩散模型和 3D 生成模型，生物分子解析和生成模型研究，室内场景解析中利用多模态数据进行融合解析。主要的研究方向是 3D 视觉解析及应用（包括但不限于点云解析，多模态联合解析），深度学习等基础理论算法研究，并致力于将 2D/3D 人工智能算法推广应用于蛋白/RNA 结构预测，自动驾驶，工业视觉等场景中。其在顶级会议和顶级期刊发表论文40余篇，包括 Cell Systems and Nature Communications, IEEE TNNLS, IEEE TMI, PLOS CB, Bioinformatics, JCIM 等期刊以及 CVPR, ICCV, ECCV, NeurIPS, AAAI 、IJCAI、ACL、MICCAI、RECOMB 等会议。
个人主页
https://mypage.cuhk.edu.cn/academics/lizhen
主持人：雷柏英（深圳大学）
主持人简介
雷柏英，国家级青年人才入选者，深圳大学和深圳大总医院特聘教授，博士生导师，深圳市海外高层次人才 (孔雀计划)，获新加坡南洋理工大学博士学位。先后在美国北卡大学教堂山分校和法国计算和自动化研究所等研究机构进行研究和访问。主要研究方向为医学图像处理和人工智能。在 IEEE TMI、IEEE TNNLS、Medical Image Analysis 以第一/通讯作者 （含共同）发表 SCI 论文100多篇。谷歌学术总引用近6000次，H 指数38。主持国家自然科学基金联合基金重点等项目20余项（含国家级7项）。现任 IEEE TNNLS、IEEE TCYB、IEEE TMI、Medical Image Analysis、IEEE JBHI 等10种 SCI 期刊编委。IEEE 高级会员，IEEE Bio Imaging Signal Processing (BISP)Technical Committee（TC）技术委员会委员，Biomedical Imaging and Image Processing（BIIP）TC 技术委员会委员，医学图像顶级学术会议 MICCAI2021-2022 领域主席。IEEE Guangzhou Section, Women in Engineering Affinity Group 主席，人工智能 A 类会议 AAAI、IJCAI 程序委员会委员；中国人工智能学会（CAAI）高级会员。获吴文俊人工智能科学技术奖三等奖，深圳市科学技术奖一等奖。入选美国斯坦福大学发布的“全球前2%顶尖科学家”（2020-2022），全球顶尖前10万科学家（2021），获2022“强国青年科学家”提名（全国共40人），CSIG 石青云女科学家奖（青年组）。
个人主页
http://bme.szu.edu.cn/20181/0612/66.html
特别感谢本次MICS主要组织者：
第四届 MICS 副主席：雷柏英，脑与神经影像，脑发育、脑图谱、类脑计算负责人