1、医学影像机器学习中的高阶脑连接组生物标志物探索

医学影像机器学习中的高阶脑连接组生物标志物探索

1. 医学影像机器学习概述

在医学影像领域，机器学习正发挥着至关重要的作用。它广泛应用于计算机辅助诊断、图像分割、图像配准、图像融合、图像引导治疗、图像标注以及图像数据库检索等多个方面。随着医学影像技术的不断进步，新的成像模式和方法，如锥束 CT、断层合成、电阻抗断层成像等纷纷涌现，同时新的机器学习算法和应用也不断投入到医学影像的舞台。

由于不同个体之间存在较大的差异和复杂性，通常很难推导出解析公式或简单方程来表示医学图像中的病变和解剖结构等对象。因此，医学影像任务需要从患者数据中学习启发式方法和先验知识，以促进对医学图像中异常情况的检测和诊断。

1.1 MLMI 2016 研讨会

2016 年 10 月 17 日，第 7 届国际医学影像机器学习研讨会（MLMI 2016）在希腊雅典的洲际雅典娜酒店举行，此次研讨会与第 19 届国际医学图像计算与计算机辅助干预会议（MICCAI）同期举办。

MLMI 2016 研讨会的主要目标是推动医学影像机器学习这一广泛领域的科学研究。研讨会聚焦于该领域的主要趋势和挑战，并展示了旨在识别新的前沿技术及其在医学影像中应用的研究成果。组织者希望 MLMI 研讨会能成为将研究成果从实验室转化到临床应用的重要平台。

本次研讨会收到了高质量的投稿。作者们被要求提交完整的论文以供评审。共收到 60 篇投稿论文，每篇论文都经过了严格的双盲同行评审过程，由来自 81 位该领域知名专家组成的程序委员会中的至少两名（通常为三名）评审员进行评审。根据评审分数和意见，38 篇最佳论文（占比 63%）被接受在研讨会上展示，并被收录到 Springer LNCS