青年科学家论坛

  基于医疗大数据的智慧医疗是人类医疗健康领域发展的大势所趋，也是全球各国制定国策的重大关切点。为推动该领域杰出人才的交流和成长，会议邀请医疗健康和计算机学科领域从事医疗大数据分析与智慧医疗系统研发的知名专家学者，开展以“数据和知识双驱动的医疗人工智能”为主题的青年科学家论坛。论坛主要面向医疗机构和医疗产业负责医疗信息处理的研发人员、计算机和大数据处理领域愿意投身智慧医疗领域的学者、研发人员和学生，也非常欢迎希望了解医疗人工智能技术和最新进展的各界人士参加。本次论坛邀请了北京航空航天大学、生物与医学工程学院许燕教授、清华大学计算机系郑海涛教授、浙江大学生物医学工程与仪器科学学院吴丹研究员和IQVIA技术总监李静博士分别分享“弱监督和无监督学习在医学及病理图像分析上的探索”、“面向大数据的医疗知识图谱构建”、“胎儿与婴儿大脑磁共振成像技术及图像分析方法”和“真实世界健康医疗数据与信息学（OHDSI）”等方面的医学人工智能研究工作。

青年科学家1：

青年科学家2：

摘要：数据重要性不言而喻，医疗行业更是如此。充分挖掘利用医疗数据，建立大规模医学知识的建模与应用，需要知识图谱技术的支持。知识图谱能从海量医学文本数据中抽取结构化知识并建立联系，形成一张千万节点的“关系网”，从而为智能问诊、智能电子病历等智慧医疗提供基石。不过，因国内医疗领域大数据应用起步较晚，医疗知识图谱发展还处在初期探索阶段。本报告主要介绍三方面内容：1、医疗知识图谱的发展现状；2、构建医疗知识图谱的关键技术；3、医疗知识图谱的应用。

郑海涛：博士，清华大学计算机系副教授，博士生导师，深圳市孔雀计划首批高层次留学回国人才。在大数据语义挖掘领域有着很深造诣，在国际权威会议和期刊发表论文50余篇，包括SCI权威期刊检索论文20余篇，担任国家863项目副组长，主持多项国家自然科学项目，以及多项教育部，广东省和深圳市项目，是大数据语义挖掘领域的领军人物。

青年科学家3：

摘要：医学图像配准在临床医学和研究中都有着十分重要的应用，但是由于医学图像的空间结构复杂，图像的信息量较大，给算法的配准带来了一定的困难。虽然目前已经出现了多种可以用于医学图像配准的算法，但是这些算法在细微的组织结构的配准中表现并不理想。我们提出一种弱监督或无监督深度学习的可形变医学图像配准算法，能够同时提取图像的特征并生成光流场，可用于配准细微的组织结构。在3D的医学图像和2D的病理图像上都获得了很好的准确率。

许燕：北京航空航天大学，生物与医学工程学院，长聘副教授，硕士导师。微软亚洲研究院访问研究员。获得国家自然科学基金优秀青年基金，北京市青年英才和微软亚洲研究院铸星计划。中国生物医学工程学院人工智能分会青年委员；中国睡眠协会老年分会青年委员。在IEEE Transactions on Medical Imaging (TMI), Medical Image Analysis (MIA), IEEE Transactions on Biomedical Engineering (TBME), Journal of the American Medical Informatics Association (JAMIA)等本领域权威期刊在内的重要期刊和CVPR, ICCV, MICCAI, ICASSP等本领域重要会议上共发表多篇论文。在各类期刊上发表的总论文数40多篇，谷歌学术总引用接近2000，H指数22。以责任人身份负责多项政府、业界资助的项目。资助单位包括国家自然科学基金，国家重点研发计划，北京市自然科学基金，深圳市自然科学基金以及微软亚洲研究院的项目等。研究成果已经被应用在多家三甲医院及企业产品中。

青年科学家4：

摘要：观察性健康数据科学和信息学（OHDSI）是一个世界性的公益型非盈利研究联盟，主要研究全方位医学大数据分析的开源解决方案，旨在通过大规模数据分析和挖掘来提升临床医学数据价值，实现跨学科、跨行业的多方合作。目前，已有来自美国、加拿大、澳大利亚、英国等几十个国家地区的上百个组织机构，高校，医院和公司企业参与了OHDSI全球协作网络，如斯坦福、哈佛、杜克大学医学院，强生、诺华、甲骨文、IBM公司，拥有超过6亿人口的临床数据规模，累计协作研究发表了上百篇论文。报告将介绍OHDSI及在医学研究中的应用。

李静：IQVIA OMOP Studies，高级机器学习科学家，上海交通大学工程学士，明尼苏达大学统计学硕士。主要负责亚太地区OMOP研究的分析工作，领导和参与OHDSI多中心研究，协助执行OMOP CDM数据质量检查，参与中国医学术语集的OMOP标准化。