上海交大-联影医疗医学影像先进技术研究院院长杜一平教授致开幕辞，阐述了我国严峻的人口老龄化将导致重大医疗需求，强调了人工智能将对医学诊疗产业带来的重大机遇。  

      MICS系列会议发起者、美国北卡罗来纳大学教堂山分校沈定刚教授致辞，感谢各界人士对MICS长期以来的参与和支持。沈定刚毕业于上海交通大学，是医学图像领域的国际权威学者。  

      本次大会主要关注深度学习等人工智能技术在医学图像领域的应用、计算机辅助检测与诊断、基于多模态影像的脑科学研究等热门研究方向。该领域顶尖的专家学者们展示了各自最新的研究成果，从理论模型到具体算法实现，在一帧帧幻灯片之间，为听众呈现了一场精彩而严谨的学术报告。 

      来自著名研究机构Allen Institute for Brain Science的彭汉川教授，展示了他开创性的BigNeuron研究项目。当一幅浩瀚的人类脑神经元网络图投影到巨幕上，在场者都感叹智慧生命色彩斑斓无与伦比的美丽。彭汉川团队致力于单神经元重建、神经追踪、脑神经网络图可视化等一系列技术，将为人类脑科学发展注入强大推动力。    

      在深度学习方面，清华大学宋森教授团队利用深度学习技术在2017年Kaggle国际数据大赛肺癌分割与诊断竞赛中获得冠军。宋森教授展示了计算机视觉领域由传统的特征提取、特征筛选、分类器训练框架到深度学习中的卷积神经网络的演变，由浅及深，鞭辟入里。美国佛罗里达大学杨林教授介绍了他的团队在多模态显微图像和病理图像中，应用FCN、Deep Voting以及Structured Regression等方法对人体多个器官肿瘤进行识别，获得了极为稳定与精确的诊断效果。  

      作为热门研究方向，深度学习在本次探讨会中占据了很大的比重。西北工业大学夏勇教授团队展示了深度学习在医学影像应用中可能遇到的小数据集训练、正负样本数据不平衡等实际问题及解决方案，并将这些经验推广到医学图像分割与分类任务中。香港理工大学秦璟教授介绍了他的团队在基于虚拟现实（VR）与增强实现（AR）的计算机辅助手术领域的最新进展，这是一项融合了人工智能、计算机图形学、人机交互的多学科交叉技术，将为临床医生手术培训提供服务支持。来自美国权威机构National Institute of Health（NIH）的姚建华博士指出，深度学习技术对于放射学领域的冲击与促进，不仅仅是大幅度提升了机器学习在疾病检测诊断、器官层面的语义分割与病灶分割、疾病防控等领域的表现，更是将新的思维，新的命题引入到了医学影像的研究中。来自香港中文大学的陈浩博士介绍他的团队利用FCN，Deep supervised nets和voxelwise residual networks在医学图像语义信息提取、3D分割等方向的应用。  

      佛罗里达大学的方若谷教授讨论了深度学习网络深度与宽度之间的关系，并针对微血管瘤图像等数据中可能出现的低对比度、高噪声、光照不均匀、样本不平衡等问题，结合自然语言处理提出了相应的智能诊断模型。西安交通大学钱步月教授团队演示了自主开发的智能影像云系统，不仅完全具备当前医学影像业务系统PACS的存储与阅片功能，还极大缩短了影像医师出具医学影像报告的工作时间。该系统同时被应用于肺结节检测与脑部影像分析中。  

      临床工作者对MICS的参与，进一步拉近了工程技术人员与临床实际需求的距离。来自西安交通大学第一附属医院的杨健主任介绍了基于3T磁共振影像数据的新生儿脑发育及损伤评估与预测。杨医师的团队建立了一套完整的对婴幼儿运动功能、智力、脑部结构发育等进行数据采集、量化评估与智能应用的平台，为儿童脑损伤预防和早期诊疗、提高出生人口素质做出了卓越贡献。来自南京军区南京总医院的张龙江主任结合真实临床病例，对比正常人与颅内动脉瘤病人的CT血管成像，生动的介绍了基于CTA的影像组学对于颅内未破裂动脉瘤的随访及手术选择的潜在价值。医者仁心，救死扶伤，医学影像技术更新升级的每一步，都离不开一线临床医生的辛勤工作与探索。  

      医学影像大量应用于脑科学研究领域。在大脑结构机制与医学成像方向，大连理工大学丛丰裕教授课题组所提出的基于张量的EEG脑电信号分解方法，改善了传统EEG信号处理低维度的局限性，充分利用EEG信号多维度数据特性，展示了该项创新在认知神经科学和临床应用中的优势。西南大学雷旭教授利用同步EEG-fMRI时空分辨率互补的优势，为静息态研究提供电生理和血氧代谢两方面的无创信息。中国科学院深圳先进技术研究院梁栋研究员分别介绍了利用压缩感知技术和基于机器学习的快速核磁共振成像技术。复旦大学张捷教授介绍了大脑在静息态下所表现的高度时变性和可变性，以及由此产生的网络和分子机制对行为的影响。西北工业大学张拓研究员介绍了利用影响学数据分析对大脑皮层褶皱形成机理的探究。  

      美国德州大学阿灵顿分校的黄恒教授分享了他所带领的科研团队开发的多模态数据融合算法在脑科学与生物信息学领域的应用。电子科技大学蒋希研究员介绍了他在发现脑沟和脑回之间的功能联系方面所做出的探索，利用计算机技术对这种功能联系进行建模，将为认知神经科学和临床研究提供帮助。中国科学院自动化研究所樊令仲研究员展示了他的团队在构建人类脑网络组图谱工作中的贡献和研究进展，该成果入选全国十大科学进展。加州大学洛杉矶分校的高伟教授介绍了利用计算神经科学技术，结合大数据处理方法，在脑功能链接方向所展开的研究，该项研究旨在早日实现对大脑疾病的早期预测、诊断和对治疗效果的跟踪。  

      在深度学习的大时代背景下，传统计算机视觉方法的重要性正处于“二次发掘”的阶段。本次研讨会强调深度学习与经典方法的融合。清华大学高跃教授团队将超图结构学习这一优化的数据建模方法，应用于脑退化疾病诊断、医学图像分割以及图像检索。山东大学尹义龙教授介绍了多任务学习特征选择在乳腺肿瘤辅助诊断、多尺度旋转不变卷积网络在肺部纹理分类、基于先验知识学习在乳腺肿瘤分割以及结构化学习在脊椎侧凸识别中的相关应用。中山大学唐晓颖教授介绍了利用curve matching技术在不同坐标系之间建立微分同胚映射的典型应用，该项技术在神经成像、生物成像以及经典计算机视觉领域都有着关键的应用。电子科技大学杨开富研究员介绍了利用生物视觉感知机理进行自然图像轮廓检测的技术，并展示了课题组所提出的双拮抗感受野模型和大范围纹理信息整合模型。合肥工业大学郭艳蓉研究员介绍了利用高级特征表示方法将多模态多时间点序列中的特征进行纵向融合，并应用于婴幼儿海马体结构提取和分析的应用。深圳大学雷柏英研究员介绍了本课题组利用多模态影像在脑疾病分析中的新进展。苏州大学向德辉教授团队对于肝脏CT图像，首先建立目标平均形状及其形变模式的先验模型，再在此基础上基于统计形状模型和可形变图割算法实现对肝脏进行自动分割。    

      为期两天的MICS2017会议共有27个邀请报告，为医学影像领域的学术交流合作提供宝贵机会。本次研讨会各界科研人员之间的头脑风暴，必将碰撞出新的思维火花，伴随着与会者回到各自的工作岗位，为人类医疗事业的进步默默奉献着知识的力量。MICS会议致力于提升中国医学影像研究在世界学术领域的地位，逐渐做大做强，成为高水平学术会议的业界标杆。