生物医学工程学院本科生以第一作者身份发表MICCAI论文，用神经网络重建三维MRI图像

　　 日前，中山大学生物医学工程学院2016级大四本科生郭宜锋同学，以第一作者身份撰写的论文被 MICCAI 2020接受。MICCAI是医学图像分析领域国际公认的最具影响力的学术会议，本科生以一作身份在国际顶会发表论文十分难得。该论文提出了一个基于生成对抗网络(GAN)的可应用于连续序列数据的CS-MRI架构。这种架构直观地模拟了临床医生通过上下滚动来仔细检查3D数据的方式，以充分利用当前同一序列数据2D切片上下的信息，该方法不仅克服了传统方法重建速度慢的缺点，而且结合了时域和频域的特点能够保持较高的重建图像质量。这是学院本科生第一次以第一作者身份在该领域顶级国际学术会议发表论文，即便在欧美等国际一流高校中也属难得。

　　 得益于生物医学工程学院的本科生导师团制度，郭宜锋同学从2018年开始便积极参与到大学生科研培养项目，并对人工智能在医学影像上的应用产生浓厚兴趣，从而选择在张贺晔教授课题组深入研究医疗人工智能课题。张贺晔教授课题组为有志于从事科研前沿探索的本科生提供了先进的GPU计算平台和国际化的合作平台。在此次MICCAI工作中，郭宜锋同学从2019年暑假开始准备，于2020年三月份完成MICCAI投稿，期间郭宜锋同学获得张贺晔教授和英国帝国理工学院杨光教授全程细致指导，学术科研能力快速提升。郭宜锋同学本科毕业后选择在张贺晔教授课题组继续攻读硕士学位。此次MICCAI论文工作由中山大学生物医学工程学院和英国帝国理工学院共同完成，中山大学生物医学工程学院为第一完成单位，相关研究得到了中山大学科研启动基金，国家自然科学基金，以及广东省科技厅研发基金的支持。

　　 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。MICCAI吸引全球超过130所顶级科研高校的研究团队共同参与，被认为有着非常强的国际影响力和非常高的学术权威性。MICCAI收录的论文代表了最前沿的图像计算和计算机辅助领域的前沿技术，是医学影像分析领域的前沿热点风向标，引领该领域的未来发展方向。MCCAI 2020将于10月份在秘鲁利马召开。下面简单介绍论文及实验结果。

　　论文：Deep Attentive Wasserstein Generative Adversarial Networks for MRI Reconstruction with Recurrent Context-Awareness

　　 摘要：传统的基于压缩感知的MRI(CS-MRI)重建容易受其缓慢的迭代过程和噪声诱导产生的块状噪声影响。虽然现在提出了许多基于深度学习的CSMRI方法来缓解传统方法的问题，但它们仍然无法在较高的加速因子下获得更健壮的重建结果。大多数基于深度学习的CS-MRI方法仍然不能完全挖掘出来自k空间的信息，这导致了现在大部分MRI重建方法的结果并不理想。

　　 在本研究中，提出了一种新的基于深度学习的CS-MRI重建方法，通过将Wasserstein生成对抗网络(WGAN)与递归神经网络相结合以充分利用MRI序列切片之间的关系。对注意力单元的进一步的研究同时使模型能够为MRI数据重建更精确的解剖结构。通过在不同的MRI数据集上的实验，证明了本研究提出的方法不仅可以获得比目前最先进的方法更好的结果，而且可以有效地减少重建过程中产生的残余噪声。本研究设计的模型如下图所示：

图1.DAWGAN框架的整体网络架构。左:模型的工作流程。右:带有Bi-ConvLSTM的生成器的细节和空间注意块(SAB)的流程图

  论文地址：https://arxiv.org/abs/2006.12915