10月13-17日，在深圳举办的第22届MICCAI（22nd International Conference on Medical Image Computing & Computer Assisted Intervention）国际会议上，我系图像所徐奕副教授团队在Digestive-System Pathological Detection and Segmentation Challenge 2019（“消化道病理图像检测与分割”国际挑战赛）中获佳绩，分别摘得印戒细胞检测竞赛的第二名(1st Runner Up)和结肠镜检查组织分割竞赛的第四名。徐奕副教授所指导的获奖团队成员为研究生林天成、杨健程、顾闻、徐国整，本科生杨璨乾、郭远帆、秦绍飞，共7位同学。

证书和奖牌

颁奖现场

  竞赛任务介绍：

      MICCAI 2019消化道病理图像检测与分割国际挑战赛是由商汤科技联合衡道病理、上海交通大学医学院附属瑞金医院、西京医院、上海市松江区中心医院举办的国际竞赛，设置了“印戒细胞检测”和“结肠镜组织分割和筛查”两项挑战任务，用以建立消化系统病理图像的细胞检测和活检组织分割筛查的算法和评估系统。这是目前世界上第一个针对印戒细胞检测和结肠镜组织筛查的挑战赛，同时也是第一个公开的消化系统病理图像数据集。这些数据集将极大地推进病理目标自动检测和病变分割的研究，并进一步发挥人工智能在辅助决策、优化病理诊断等数字病理领域的应用价值。

参赛同学合影

此次获奖的印戒细胞检测模型提出了针对印戒细胞检测任务中仅有部分病理图像区域具备有效标注的解决方案。此模型创新性地提出了解耦梯度范数均衡损失，通过对病理图像的不同区域分别计算梯度范数均衡损失，能够解决漏标注带来的模型优化方向偏离以及模型过拟合问题，提高了模型在医学影像中普遍存在的弱监督学习任务上的召回率以及鲁棒性。

  Abstract

The detection model proposes a solution to the partial labeling problem in signet cell detection. A novel decoupled gradient harmonizing loss (DGHM-loss) is advanced to calculate the gradient harmonizing loss for different regions. Therefore, the model can solve the optimization deviation and model over-fitting problems incurred by partial annotation, and finally improve the recall rate and robustness in the weakly supervised problem which commonly exists in medical images.

编辑：郭蓓

责任编辑：周洁