杨刚副教授团队2篇论文被医学影像领域重要学术会议MICCAI 2020录用

发布时间:2020-06-24 12:35 浏览量:1933新闻类型: 学院新闻

我院人工智能与媒体计算实验室(AIMC)杨刚副教授指导2018级硕士研究生丁飞,以第一作者身份完成的2篇论文《Retinal Nerve Fiber Layer Defect Detection With Position Guidance》和《High-order Attention Networks for Medical Image Segmentation》被 MICCAI 2020录用。其中,论文《Retinal Nerve Fiber Layer Defect Detection With Position Guidance》为提前录用。

MICCAI (International Conference on Medical Image Computing and Computer Assisted Intervention)是跨医学影像计算(MIC)和计算机辅助介入 (CAI) 两个领域的综合性学术会议,是该领域最有影响力的学术会议之一,被认为有着非常强的国际影响力和非常高的学术权威性。MICCAI收录的论文代表医学影像计算和计算机辅助介入的最前沿技术和研究风向标,引领以上领域的未来发展方向。

在导师杨刚副教授指导下,2018级硕士研究生丁飞主要致力于利用深度学习技术解决眼科影像理解中的难题, 在基于眼底图的视神经缺损检测和图像语义分割等问题上,已获得成果如下:

论文“Retinal Nerve Fiber Layer Defect Detection With Position Guidance” 关注视网膜神经纤维层缺损(RNFLD)检测的问题。RNFLD为许多致残致盲类疾病提供了早期诊断依据。该论文结合临床分析提出了一种新的感知位置信息的深度学习方法,并提出了一种弱监督学习策略, 有效解决了眼底彩照中RNFLD的诊断与定位问题。

论文“High-order Attention Networks for Medical Image Segmentation” 研究医学图像分割问题。分割是医学图像分析的一项基本任务。该论文从高阶图的观点提出了一种新的注意力机制,拥有自适应的感受野和动态权重,对临床系统中的多样性输入具有鲁棒性。

论文“Associative Memory Optimized Method on Deep Neural Networks For Image Classification”发表于信息领域重要国际期刊Information Sciences,研究了利用神经网络联想记忆进行图像识别的问题。该论文提出了一种基于记忆和推理的图像识别方法,提升了现有分类器的性能和表现。

附:论文信息

[1] Fei Ding, Gang Yang*, Dayong Ding, Gangwei Cheng (2020): Retinal Nerve Fiber Layer Defect Detection With Position Guidance. International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI) 2020, Early Accepted.

[2] Fei Ding, Gang Yang*, Jun Wu, Dayong Ding, Jie Xv, Gangwei Cheng, Xirong Li (2019): High-order Attention Networks for Medical Image Segmentation. International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI), 2020, Accepted.

[3] Gang Yang*, Fei Ding (2020). Associative Memory Optimized Method on Deep Neural Networks For Image Classification, Information Sciences.