2019腾讯犀牛鸟精英人才培养计划课题介绍（二）——AI医疗

腾讯高校合作

发布于 2018-12-20 20:23:24

1.1K0

发布于 2018-12-20 20:23:24

“

精英人才培养计划是一项校企联合人才培养项目，入选学生将受到业界顶尖技术团队与高校导师的联合指导及培养。培养期间，学生将获得3个月以上到访腾讯开展科研访问的机会，基于真实产业问题及海量数据，验证学术理论、加速成果应用转化、开阔研究视野。同时项目组将引进沟通技巧、商业分析、创新思维等定制课程，定期举办线上线下交流活动，全面提升学生综合素质。入选学生还将获得线上实名社群平台“十分精英圈”的在线访问权限，结识志同道合的科研伙伴，获取业界信息及资源。

”

今年共有10大方向，81个子课题

上期介绍了机器人相关技术研究方向

本期让我们一起来看看第二个方向吧

AI医疗

2.1 医学透视人手术导航（地点：深圳）

结合医学影像处理，计算机视觉及机器学习技术，实时精确流畅地实现人体解剖结构三维绘制及空间坐标变换。结合增强现实眼镜，达到人体虚拟透视目的。学生应在移动计算平台，手术室环境下进行算法测试，以实时、精确及流畅性作为评估指标。

导师简介

腾讯专家研究员，生物医学工程硕士（复旦），计算机博士（The College of William & Mary）。曾在National Institutes of Health（NIH）从事博士后工作。多个知名杂志及会议的特约审稿人，ITK及3DSlicer开发成员。共有25篇期刊，16篇会议论文发表，4本出版物的章节作者，6项专利，一个软件著作权。现从事AI医疗方向的研发。

2.2 实时医疗影像深度学习算法（地点：深圳）

课题围绕在智能医疗诊断场景下，研究开发针对大尺寸图像的实时深度学习算法开发。实际的医疗图像的尺寸往往会很大，通过神经网络对这类图像进行运算可能会需要数分钟乃至更长的时间。本项目旨在解决智能医疗诊断场景下的实际需求，挖掘特定问题的数据特点，开发能高效实时计算的深度学习算法。

导师简介

腾讯高级研究员，毕业于美国佐治亚大学计算机专业博士，主要领域为生物医疗图像、脑神经网络、机器学习算法。当前主要参与医疗AI系统与算法、智能显微镜的开发。曾在医学图像顶会（MICCAI、ISBI）发表11篇一作，3篇共同一作，20篇共同作者文章。同时在相关领域的核心期刊上发表了6篇一作，7篇共同一作，20篇共同作者的文章。谷歌学术统计引用量超过1000。有若干专利已提交申请。

2.3 医疗大数据融合与人工智能（地点：深圳）

利用医疗大数据，构建融合医学影像、数字病理以及基因表达的人工智能系统，用于辅助肿瘤诊断、预测肿瘤演进、预后分析、规划治疗方案以及精准医疗。结合深度学习和多组学方法，建立研究新思路并应用到实际临床中。

导师简介

腾讯专家研究员，负责AI+医疗领域的前沿研究及产品落地。在脊柱影像分析，肿瘤生长预测，结肠癌检测以及影像引导机器人手术方向取得过突出成绩。编辑过多本期刊特刊和专著，并组织多次国际学术研讨会。在行业期刊和会议上发表论文超过350篇，被引用超过6000次，h-index指数39。

2.4 AI数字病理（地点：深圳）

病理是疾病诊断的金标准，但是人工诊断存在主观性高、重复度低、难以定量化等缺点。本项目旨在将人工智能与数字病理图像分析相结合，提高病理诊断的速度和精确度，实现基于精准量化分析的诊断方式。研究方向着重于计算机视觉技术（目标识别、物体检测、语义分割等）和深度学习技术（弱监督学习、迁移学习、对抗网络等）在病理图像分析上的算法开发和应用落地。具体的问题包括细胞或组织自动分割、病灶自动检测和分类、以及免疫组化定量分析等。