1、多任务半监督学习在血管网络分割和肾细胞癌分类中的应用

多任务半监督学习在血管网络分割和肾细胞癌分类中的应用

1. 会议背景与深度学习挑战

2022 年 9 月 22 日，第一届资源高效医学图像分析国际研讨会（REMIA 2022）与第 25 届国际医学图像计算与计算机辅助干预会议（MICCAI 2022）同期举行，这也是 MICCAI 会议首次在东南亚举办。受 COVID - 19 影响，此次会议采用线上线下结合的混合模式。

近年来，深度学习方法在许多医学成像任务中取得了显著成功。然而，当前的深度学习模型通常需要大量高质量的标注数据才能实现高性能，这带来了诸多挑战：
- 数据收集 ：大规模医学成像数据集的收集成本高且耗时，同时医疗应用的监管和治理方面也为大规模数据集带来了额外挑战。
- 数据标注 ：高质量的标注需要经验丰富且知识渊博的临床医生，尤其是在分割任务中，标注难度更大。

因此，在资源有限的情况下，需要研究能够处理有限训练数据、有限标签和有限硬件约束的方法，以实现高效实用的医学成像深度学习模型。

2. 研讨会概况

本次研讨会聚焦于常见医学成像系统在数据、标签和硬件受限情况下的实际应用问题，吸引了来自不同学科和领域的人工智能科学家、临床医生和学生，共同探讨该领域的相关进展。

• 论文提交与评审 ：共收到 19 篇全长论文投稿，所有投稿均由程序委员会的至少三名成员进行双盲同行评审。论文选择基于方法创新、技术价值、结果、验证和应用潜力等方面。最终，13 篇论文被接受并收录在 Springer LNCS 卷中。