近日，東北大學醫學影像智能計算教育部重點實驗室在心臟結構與功能分析、精神疾病診療預測方面取得新進展，在醫學圖像計算國際頂級學術會議與期刊發表系列論文6篇，其中2篇論文被MedIA（Medical Image Analysis）錄用，3篇論文被MICCAI2023錄用，1篇論文被IJCAI2023錄用。論文成果對加快醫學影像AI臨床轉化應用，提高醫療診斷效率具有重要意義。MedIA為醫學圖像分析領域頂級期刊；MICCAI（InternationalConference on Medical Image Computing and Computer Assisted Intervention）是由國際醫學圖像計算和計算機輔助干預協會舉辦的綜合性頂級學術會議，目前被公認為是醫學圖像分析領域最具影響力的國際會議；IJCAI（International Joint Conference onArtificial Intelligence）是人工智能領域最頂級的國際學術會議之一（CCF -A），錄用率在15%左右。
在心臟結構與功能智能分析方面，2項工作被MedIA期刊錄用，分別為Learning What and Where toSegment: A New Perspective on Medical Image Few-Shot Segmentation和Automatic identification of septal flash phenomenon in patients withcomplete left bundle branch block，東北大學博士生瞿明軍和馮庸分別為兩篇論文的第一作者，楊金柱教授為通訊作者。該研究首先提出了基于醫學先驗知識引導下的小樣本影像分割方法，通過無監督配準和多尺度原型，挖掘有限支撐樣本的空間和語義特征、壓縮假設空間，有效緩解了醫學影像小樣本分割方法中存在的偏見和類別不平衡問題，提高了小樣本分割模型向新目標快速適配的能力；進而針對心臟左心室輪廓分割的具體問題構建級聯模型，同時提取超聲心動圖四腔心圖像的空間與時序特征，結合線性層注意力機制，減少了融合特征的冗余信息，實現了心臟室間隔抖動功能異常的全自動診斷。相較于傳統的臨床診斷方法，該成果在診斷速度與精度方面具有明顯優勢，同時該成果適用于臨床快速實現多模態、多器官精準分割。
在精神疾病診療方面，2項工作被MICCAI2023錄用，分別為Modeling Alzheimers Disease Progression from Multi-task and Self-supervised Learning Perspectivewith Brain Networks和?BrainUSL: UnsupervisedGraph Structure Learning for Functional Brain Network Analysis，東北大學博士生梁偉、溫廣琪、碩士生張鵬帥分別為第一作者，曹鵬副教授、楊金柱教授為通訊作者。該研究主要針對精神疾病診療階段臨床上數據不完整，監督信息不充分的問題，提出了一種無監督腦網絡結構學習的疾病診斷方法和一種自監督多任務學習的疾病進展模型，分通在多種精神疾病輔助診斷任務上進行了充分驗證，并在疾病關聯和疾病可解釋性方面提供了新的見解，該研究成果將為在臨床中部署以輔助精神疾病患者精準診療開辟新的途徑。
在病灶檢測及分割基礎理論方面，2項目工作Lesion-aware Contrastive Learning for Diabetic Retinopathy Diagnosis和Co-training with High-Confidence Pseudo Labels for Semi-supervisedMedical Image Segmentation分別被MICCAI2023和IJCAI2023錄用。東北大學博士生侯慶山、沈志強、碩士生程帥分別為第一作者，曹鵬副教授、楊金柱教授為通訊作者。該研究主要面向低資源病變的高精度檢測和分割任務，分別設計了基于知識蒸餾的對比學習自監督框架和不確定性引導的協同均值教師模型，研究工作提出的模型性能均已超越現有方法，并可擴展應用于多種模態場景和多種疾病任務，為醫學圖像分析領域的其他類似問題提供有價值的參考。
此外，醫學影像智能計算教育部重點實驗室近期在IEEE TMI、Neural Network、JBHI、AAAI等國際頂級期刊和頂級會議上發表學術論文多篇，展示了東北大學在醫學圖像計算分析領域創新性基礎研究的突出成果。（編輯：劉宇豪 趙春時）
