English
导航菜单
近日，医学影像分析领域顶级会议第26届MICCAI国际会议（26th International Conference on Medical Image Computing & Computer Assisted Intervention）在加拿大温哥华顺利举办。上海交通大学电子信息与电气工程学院自动化系王利生教授团队学生刘羽晟、贺兰山等经过初赛及复赛，过关斩将，连获MICCAI国际挑战赛的两项挑战赛第一名，在国际舞台展现了交大学子的风采。
获奖信息
参赛团队代表
（由左至右依次为王利生教授、刘羽晟、贺兰山）
锥形束计算机断层扫描影像中下颌神经的AI自动分割挑战赛
本次挑战赛旨在推动深度学习框架的发展，通过逐步扩大公开可用的三维注释 锥形束计算机断层扫描（简称：CBCT）扫描的数量来分割下牙槽神经。面对挑战赛所给出的大量稀疏标注数据和一部分密集标注数据，刘羽晟同学在与导师和队友多次讨论后，决定仅使用原始图像数据和密集标注数据，将混合监督问题转换为半监督问题。采用通用医学影像分割模型nnUNet作为下牙槽神经分割的基本网络模型，并用自训练方法进行半监督语义分割。此外，还设计了一种基于连通性和选择性的再训练策略，从而筛选更可信的伪标签。
解决方案的模型框架
实验结果
实验结果表明，团队设计的基于自训练的下牙槽神经分割框架在2次迭代下获得了平均骰子相似系数（DSC）为0.7956、 95%豪斯多夫距离（HD95）为4.4905的优异成绩，在MICCAI 2023 ToothFairy竞赛中荣获第一名。其中，Dice系数、95% Hausdorff距离两项指标均位列第一名。
牙科全景图上的牙齿和疾病检测挑战赛
牙科全景图是临床中广泛应用的医学影像模态，它可以在一张x光片中展示整个牙弓线切面的口腔全景。通过全景图，医生可以方便地观察牙齿的排布情况，也可以对牙齿是否有疾病做出一些初步的判断。本项赛事旨在推动这一方向上深度学习算法的发展，为医生提供更加精确的辅助诊断，竞赛提供了总计3000多张牙科全景图相片，并包括三个不同层次的标注。参赛者们可以充分利用不同层次的标注，最终训练出一个模型，能够检测出可能有疾病的牙齿，并给出对应的疾病类型与牙齿序号。
赛题属于深度学习领域非常热门的图像上的目标检测问题，该领域已经有许多强大的模型。然而，常规的目标检测任务只要求每个目标给出一个类型标签，但本赛题的每个目标要给出疾病类型和牙齿序号两个类型标签。为了达成这一任务，团队提出了一种集成多个目标检测模型和分割模型的处理流程，如图所示：
解决方案流程示意图
团队把整个任务分解为两个子任务，分别是疾病牙齿检测和牙齿序号检测。疾病牙齿检测专注于检测出可能存在疾病的牙齿以及疾病类型；牙齿序号检测则负责表示出所有牙齿的序号。然后，使用基于IoU的投票算法对两者的结果进行融合，得到最终所需要的标签。实验结果表明，这一算法流程能够出色完成任务，复合标签的平均准确率指标（AP值）达到0.3995，另有多项细分领域的AP值排名位列第一，最终综合后的平均排名也位列第一。
大赛介绍
MICCAI 是由国际医学图像计算和计算机辅助干预协会（Medical Image Computing and Computer Assisted Intervention Society）举办，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，该会议自 1998 年开始，每年举办一次，被公认为是医学图像计算、人工智能医疗、医疗机器人、辅助介入等领域的国际顶级会议。
MICCAI CHALLENGES 是 MICCAI 的一个重要组成部分，每年举办若干医学影像分析领域的国际挑战赛。它是一个国际性的竞赛平台，面向医学图像计算和计算机辅助干预领域的研究人员和开发者，旨在鼓励和推动该领域的技术发展和应用。
地址：上海市东川路800号学院概况
邮编：200240 邮箱：seiee@sjtu.edu.cn
Copyright © 2022上海交通大学电子信息与电气工程学院 版权所有
欢迎关注上海诚聘英才公众号