12月6日晚18：30，小木屋之约第4期——“机器学习与医学图像处理”学术沙龙如期而至。沙龙邀请了华中科技大学尉迟明、邱武两位教授分享其最新的研究成果，共同探讨医学AI的未来前景。现场吸引了相关领域专家、青年教师、研究生、本科生近70人参加。本次学术沙龙由浙江师范大学新葡的京集团3512vip(股份)有限公司杰出教授袁景主持。

尉迟明教授的报告题目为《超声断层成像技术》。他以X光、超声成像、磁共振成像等医学影像技术及其特点作引，重点介绍了华中科技大学医学超声实验室经过10余年不懈攻关，研发出的具有国际领先水平的国内首台超声断层成像系统，并在肌骨、骨骼与神经、骨肉瘤术后、神经肿瘤、针灸等进行了非常成功的临床应用。超声断层扫描成像作为新一代医学成像技术，通过分析反演声波反射与透射的完整信息重构人体内部的组织结构信息。该技术既具备超声成像安全、无辐射的特点，又具备比拟核磁与CT成像的图像高分辨率，并可以同时提供高敏感度的声速和衰减信息。此外，由于其采用了类似于核磁的无接触、自动扫描模式，可避免常规超声检查的人为操作误差和不确定性，为临床提供了一种全新的影像诊断信息。尉迟明教授的研究成果引起了专家的广泛兴趣，金华市中心医院超声医学科周一波主任就超声断层成像系统对于神经的标注方法与尉迟明教授进行了深入讨论。

邱武教授在《图像-标签同步扩散概率模型及其在医学图像分割中的应用》报告里介绍，基于深度学习的图像生成技术已在计算机视觉领域获得巨大成功，如对抗生成网络（GAN）和变分自编码机（VAE）等。近两年来，基于马尔科夫随机场的降噪扩散概率模型（Denoising Diffusion Probability Model，DDPM），获得了非常大的关注，在一些图像生成应用上表现出比GAN、VAE 等生成模型更优的性能。如何将扩散模型应用至图像分割，特别是医学图像分割领域，面临非常多的挑战。为此，他提出了一种新颖的同步图像标签扩散概率模型（SDPM），用于NCCT中的脑梗死分割，模型在三个中风病变数据集（包括一个公共数据集和两个私人数据集）上进行评估，结果优于几种基于 U-net、Transformer 和DPM 的分割方法。

报告结束后，现场教师就DDPM模型对数据量是否有要求，如何保持稳定性等问题与邱武教授展开了热烈研讨，进一步深入探究了深度学习在医学图像智能处理中的应用。浓厚的学术氛围也感染了同学们，表示讲座给自己以启迪与思考，鼓舞了他们在学习与研究路上的不懈探索。