Image2Mesh: 传统机器学习->深度学习->图学习探索之路

Dr. Xiao-Yun Zhou

【摘要】

手术从传统开腔进化到微创，再到新一代机器人辅助微创，对术中导航的质量和速度要求越来越高。目前的成像设备（包括CT，MRI和超声）只能实时获取2D图像，而机器人强烈依赖于3D信息（包括点云和网格）。因此，从图像到网格，尤其是从单张图像到网格的重建在机器人辅助微创手术中至关重要。与传统的降维（比如分类问题）和等维（比如分割问题）不同，Image2Mesh是一个升维的过程。在此演讲中，本人将介绍博士期间逐步探索和追求，运用端到端学习实现Image2Mesh的工作（包含MedIA2018, MICCAI2019, MICCAI2020三篇论文）。由传统机器学习(Multi-stage Image2Mesh)->深度学习(Image2Pointcloud)->深度+图卷积学习(One-stage Image2Mesh)的探索之路。

【人物简介】

周晓云2014年硕士毕业于清华大学生物医学系，博士就读于帝国理工计算机系，博士导师是Guang-Zhong Yang院士和Su-Lin Lee博士。科研愿望是用机器学习解决机器人进手术室的技术壁垒，主要为术中导航方面，从2D/3D医学图像分割到Image2Mesh重建到机器人3D路径规划。科研方向为机器学习，深度学习，图学习，计算机视觉。在医学图像处理和机器人领域顶会顶刊（MedIA, RAL, ICRA, MICCAI, IROS）发表多篇论文。担任MICCAI-DART, MICCAI-MMMI, HSMR-DL等的Program/Area Chair。