一个快速,准确并且普适的新冠肺炎CT诊断的自动分割和定量方法

发布者:吴梦发布时间:2020-06-22浏览次数:672

报告题目:一个快速,准确并且普适的新冠肺炎CT诊断的自动分割和定量方法

 

报告人:高欣 沙特阿卜杜拉国王科技大学(KAUST

 

报告摘要

新冠肺炎已在全球范围内大流行,成为当下人类最紧迫的威胁之一。各国投入了海量的资源来制定新冠的诊断、预后和治疗策略。虽然核酸检测是确诊这种RNA病毒感染的金标准,但核酸检测有较高的假阴性率,尤其是对于早期患者。因此CT成像也成为诊断新冠的主要手段。

多种基于人工智能的计算机辅助新冠诊断系统已被紧急研发出来,但是它们大部分是进行分类,而现在最好的新冠炎症分割模型仍然需要较多的人工干预。在这个报告中,我将介绍我们最近提出的一种全自动、快速、准确、及普适的方法,来分割和量化各地新冠病人的CT扫描结果。我们的方法基于两个创新点:1)一个新冠患者在会有几次CT扫描,通过拟合CT的动态变化,我们开发了第一个新冠炎症CT扫描的模拟器,大大缓解了数据的稀缺性问题;2)一种新的深度学习算法,解决了大场景小目标问题,将三维分割问题分解为三个二维问题,使模型复杂度降低一个数量级,同时显著提高了分割精度。我们的方法在多个国家、多家医院和多台机器的数据集上进行了综合测试。实验结果表明,我们的方法比现有的方法具有更好的性能,并且在防治疾病方面有重要的应用价值。

 

报告人简介:

 高欣博士于2004年在清华大学计算机系获得学士学位,2009年在加拿大滑铁卢大学计算机学院获得博士学位。200910月至20109月,在美国卡耐基梅隆大学计算机学院雷恩计算生物学中心担任雷恩学者。现任沙特阿卜杜拉国王科技大学(KAUST)计算机科学系副教授,KAUST计算生物学研究中心副主任,以及KAUST结构和功能生物信息学研究组负责人。

高欣教授的研究焦点主要集中在计算机科学与生物学的交叉领域。在计算机科学领域,他领导的研究团队主要致力于开发与深度学习,概率图形模型,内核方法和矩阵分解相关的机器学习理论和方法。在生物信息学领域,他的研究团队主要致力于构建计算模型、研发机器学习技术、设计高效的算法,以解决从生物序列分析到三维结构确定,到功能注释,再到了解和控制复杂生物网络中的分子行为,以及最近的生物医疗和健康领域中的关键开放问题。

高欣教授已经在生物信息及机器学习的顶级期刊和会议上发表论文200多篇,同时担任GenomicsProteomics & Bioinformatics, BMC BioinformaticsQuantitative BiologyJournal of Bioinformatics and Computational Biology等期刊的副主编,以及MethodsIEEE/ACM Transactions on Computational Biology and BioinformaticsFrontiers in Molecular Bioscience等期刊的特约主编。



会议时间:2020/6/26 14:00-16:00

点击链接入会,或添加至会议列表:
https://meeting.tencent.com/s/5UcGCXfndhdb

会议 ID:914 775 455
会议密码:333333