近日，东北大学医学影像智能计算教育部重点实验室在心脏结构与功能分析、精神疾病诊疗预测方面取得新进展，在医学图像计算国际顶级学术会议与期刊发表系列论文6篇，其中2篇论文被MedIA（Medical Image Analysis）录用，3篇论文被MICCAI2023录用，1篇论文被IJCAI2023录用。论文成果对加快医学影像AI临床转化应用，提高医疗诊断效率具有重要意义。MedIA为医学图像分析领域顶级期刊；MICCAI（InternationalConference on Medical Image Computing and Computer Assisted Intervention）是由国际医学图像计算和计算机辅助干预协会举办的综合性顶级学术会议，目前被公认为是医学图像分析领域最具影响力的国际会议；IJCAI（International Joint Conference onArtificial Intelligence）是人工智能领域最顶级的国际学术会议之一（CCF -A），录用率在15%左右。
在心脏结构与功能智能分析方面，2项工作被MedIA期刊录用，分别为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，我校博士生瞿明军和冯庸分别为两篇论文的第一作者，杨金柱教授为通讯作者。该研究首先提出了基于医学先验知识引导下的小样本影像分割方法，通过无监督配准和多尺度原型，挖掘有限支撑样本的空间和语义特征、压缩假设空间，有效缓解了医学影像小样本分割方法中存在的偏见和类别不平衡问题，提高了小样本分割模型向新目标快速适配的能力；进而针对心脏左心室轮廓分割的具体问题构建级联模型，同时提取超声心动图四腔心图像的空间与时序特征，结合线性层注意力机制，减少了融合特征的冗余信息，实现了心脏室间隔抖动功能异常的全自动诊断。相较于传统的临床诊断方法，该成果在诊断速度与精度方面具有明显优势，同时该成果适用于临床快速实现多模态、多器官精准分割。
在精神疾病诊疗方面，2项工作被MICCAI2023录用，分别为Modeling Alzheimers Disease Progression from Multi-task and Self-supervised Learning Perspectivewith Brain Networks和?BrainUSL: UnsupervisedGraph Structure Learning for Functional Brain Network Analysis，我校博士生梁伟、温广琪、硕士生张鹏帅分别为第一作者，曹鹏副教授、杨金柱教授为通讯作者。该研究主要针对精神疾病诊疗阶段临床上数据不完整，监督信息不充分的问题，提出了一种无监督脑网络结构学习的疾病诊断方法和一种自监督多任务学习的疾病进展模型，分通在多种精神疾病辅助诊断任务上进行了充分验证，并在疾病关联和疾病可解释性方面提供了新的见解，该研究成果将为在临床中部署以辅助精神疾病患者精准诊疗开辟新的途径。
在病灶检测及分割基础理论方面，2项目工作Lesion-aware Contrastive Learning for Diabetic Retinopathy Diagnosis和Co-training with High-Confidence Pseudo Labels for Semi-supervisedMedical Image Segmentation分别被MICCAI2023和IJCAI2023录用。我校博士生侯庆山、沈志强、硕士生程帅分别为第一作者，曹鹏副教授、杨金柱教授为通讯作者。该研究主要面向低资源病变的高精度检测和分割任务，分别设计了基于知识蒸馏的对比学习自监督框架和不确定性引导的协同均值教师模型，研究工作提出的模型性能均已超越现有方法，并可扩展应用于多种模态场景和多种疾病任务，为医学图像分析领域的其他类似问题提供有价值的参考。
此外，医学影像智能计算教育部重点实验室近期在IEEE TMI、Neural Network、JBHI、AAAI等国际顶级期刊和顶级会议上发表学术论文多篇，展示了我校在医学图像计算分析领域创新性基础研究的突出成果。