沈定刚教授报告的视频链接:
https://pan.baidu.com/s/1vHURqdg51dhfgqO8zhEKlw 提取码: 5vts
沈定刚教授报告的PPT链接:
https://pan.baidu.com/s/1xgE2J4n0t8Hq04tsOBqwUg 提取码: sabk
1. Spherical Patch-based CNN
Wu, Zhengwang, et al. "Registration-Free Infant Cortical Surface Parcellation Using Deep Convolutional Neural Networks." International Conference on Medical Image Computing and Computer-Assisted Intervention. Springer, Cham, 2018.
2. Landmark-based Deep Multi-task Multi-channel Learning
Liu, Mingxia, et al. "Landmark-based deep multi-instance learning for brain disease diagnosis." Medical image analysis 43 (2018): 157-168.
3. Context-aware GAN
Nie, Dong, et al. "Medical image synthesis with context-aware generative adversarial networks." International Conference on Medical Image Computing and Computer-Assisted Intervention. Springer, Cham, 2017.Github-TensorflowGithub-Pytorch
4. ASDNet: Attention-based Semi-supervised Network
Nie, Dong, et al. "ASDNet: Attention based semi-supervised deep networks for medical image segmentation." International Conference on Medical Image Computing and Computer-Assisted Intervention. Springer, Cham, 2018. Github
5. 婴儿脑区分割，graph cut跟deep learning方法如何结合？
回答：这个非常简单，分割出来的结果相当于一个probability map，然后在probability map上用graph cut来改进分割结果。不过，我相信如果把这些过程在一个network一起完成的话，可能会做的更好。
6. 如何看待深度模型的可解释性
回答：这个一直是大家非常关注的问题，特别是在medical image上的应用，我们不能把它作为一个黑箱，因为医生不光要知道结果，还要知道为什么。我们在这方面也做了不少工作，从network里面可以反向得到attention map，这样可以知道你做相应任务时，关注了哪些区域，可以部分达到可解析性.
7. 我们目前用这些AI方法的引入，我们是不是能得到一些新的信息来引导我们分割，就说有没有什么启发，或者说AI发现了我们人类没有发现的规律。
回答：答案是肯定的。就像AlphaGo下棋，network可以discover一些非常好的下棋招数，人没有用过。这个在医学图像里面其实也是一样的，就像我刚才说的，输入整个image，network可以自动发现哪些区域对老年痴呆症有用，其中可能有些区域是医生以前从来不关心的区域，但对诊断非常有用，这样的话就形成了一个新的knowledge，使医生以后诊断时关注到这些区域。
8. Densenet在人脑图像处理方面是不是比残差网络好一些？
回答：这非常难说，其实我没有介绍我们的另外一个工作，如果你去看一下我们今年的另外一篇的MICCAI工作，是我们的一个访问学生Zhou Sihang做的，他的network既包含了dense net又包含了残差网络，两个结合起来，可以得到更好的结果。其实很多情况下，一个方法并不一定比另外一个方法好多少，但是把这些方法的优点有机的结合起来，可以得到更好的结果。
Zhou, Sihang, et al. "Fine-Grained Segmentation Using Hierarchical Dilated Neural Networks." International Conference on Medical Image Computing and Computer-Assisted Intervention. Springer, Cham, 2018.
