近日，由我院与立命馆大学情报理工学部的国际联合研究团队在眼底视网膜血管分割方面取得新成果 “Boosting Connectivity in Retinal Vessel Segmentation via a Recursive Semantics-Guided Network”，被医学图像分析领域的国际顶级学术会议MICCAI（Medical Image Computing and Computer Assisted Intervention Society）录用。这一研究成果由我院副教授徐睿、研究生刘恬恬、副教授叶昕辰和立命馆大学情报理工学部教授陈延伟一起合作完成，并得到了大连理工大学-立命馆大学健康医疗智能计算联合研究中心的资助。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，是跨医学影像计算(MIC)和计算机辅助干预 (CAI) 两个领域的综合性国际权威学术会议。

该研究的目标是获取眼底视网膜血管的高精度分割结果。眼底视网膜血管与多种疾病相关，如青光眼、糖尿病和高血压等，均会使眼底视网膜血管的形态和结构发生改变。对视网膜血管进行自动分析，建立眼底视网膜图像的计算机辅助诊断系统，可辅助医生对这些疾病进行高效和精确的诊断。其中的一个核心关键是对眼底视网膜图像进行高精度的血管分割。针对这一问题，研究团队之前已获得了两项研究成果，提出了两种深层卷积神经网络的方法，即多尺度深监督网络（PCM 2018，CCF-C）[1]和语义及多尺度聚合网络（ICASSP 2020，CCF-B）[2]，提高了视网膜眼底血管分割的精度。然而，分割得到的视网膜眼底血管树中存在较多的断点，不利于后期的血管形态和结构分析，将影响眼底视网膜图像计算机辅助诊断系统的鲁棒性和可靠性。视网膜血管树的断点问题，在基于深层卷积网络的视网膜血管分割方法中广泛存在，在世界范围内并未得到研究人员的充分重视，相关前期研究较少。因此，联合科研团队针对视网膜血管树的断点问题进行研究，提出了递归语义引导网络[3]，减少视网膜血管分割中的断点，提高分割血管树的连接性。

联合科研团队以三层U-Net为基础网络模型，提出了语义引导模块，用深层网络中丰富的语义信息指导网络学习，挖掘表示能力更强的血管特征，以克服图像拍摄时不同光照和眼底病变对血管提取的不利影响，提高分割血管的连接性。此外，分割算法中还引入了递归迭代的优化方式，将分割结果反复送入同一网络中进行优化，在不增加额外网络参数和网络训练难度的情况下，使血管分割精度和连接性不断提高。实验结果表明，本方法在通常的血管分割评价指标上(AUC，SE，SP)与已有最先进的视网膜血管分割方法相似，但在血管树连接性的评价指标上（INF，COR）大大高于已有方法，体现了递归语义引导网络的有效性。

眼底视网膜血管分割的相关研究成果：

[1]     Rui Xu, Guiliang Jiang, Xinchen Ye, Yen-Wei Chen, Retinal Vessel Segmentation via Multiscaled Deep Guidance, Pacific Rim Conference on Multimedia 2018 (PCM 2018), Hefei, China, September 21-22, 2018.

[2]     Rui Xu, Xinchen Ye, Guiliang Jiang, Tiantian Liu, Liang Li, Satoshi Tanaka, Retinal Vessel Segmentation via a Semantics and Multi-Scale Aggregation Network, IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2020), Virtual Barcelona, May 4-8, 2020.

[3]    Rui Xu, Tiantian Liu, Xinchen Ye, Yen-Wei Chen, Boosting Connectivity in Retinal Vessel Segmentation via a Recursive Semantics-Guided Network, International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI 2020), accepted. (arXiv Version : )

大连理工大学-立命馆大学健康医疗智能计算联合研究中心简介

大连理工大学-立命馆大学健康医疗智能计算联合研究中心于2018年6月在大连理工大学开发区校区成立，主要依托于大连理工大学-立命馆大学国际信息与软件学院进行建设，是大连理工大学和立命馆大学深入开展国际化合作办学的产物。联合研究中心在医疗健康和信息的交叉研究领域，搭建了国际化科研合作和交流的平台，设立了“国际化科研交流合作促进项目”，资助相关科研人员深入开展在ICT（信息计算技术）、医疗和健康领域的国际化科研合作。联合研究中心的主要成员是大连理工大学软件工程、生命和生物信息工程学科和立命馆大学情报理工学部的教学科研人员，重点研究内容是人工智能为代表的信息技术及其在医疗和健康领域中的应用。自研究中心成立以来，双方科研人员积极开展交流合作，共同发表多篇学术论文，包括著名国际会议AAAI、MICCAI、ICME、ICASSP等，以及著名学术期刊TPAMI、TMI、TIP等，已获得国家自然科学基金资助的重点国际合作交流项目1项。