劉濤教授：基於神經影像的新技術在腦血管疾病中的研究與應用
北京航空航天大學劉濤教授在報告中介紹，基於神經影像的新技術包括機器學習（深度學習）、腦網絡指標構建與分析、腦結構指標構建、多中心數據分享新技術（區塊鏈）。通過深度學習，可以解決分類任務[臨床結局預測（卒中復發致殘預測、腦幹梗死致殘預測）、輔助診斷分類]、回歸任務（狀態評估）、圖像分割（如基於MRA影像的腦血管分段及重建斷裂補全）、圖像生成（腫瘤/病灶圖像生成/補全、不同模態圖像生成）等問題。腦網絡指標構建與分析包括腦網絡屬性、動態腦網絡、有向功能網絡、虛擬腦網絡。腦結構指標構建包括灰質指標、白質指標、結構複雜指標。利用區塊鏈技術可以搭建腦血管病數據多中心共享平臺。
熊云云教授：自動化灌注評估軟體在急性卒中的臨床應用
首都醫科大學附屬北京天壇醫院熊云云教授表示，自動化軟體可以提供參數指標，在急診時即刻給醫生提供建議，輔助醫生進行臨床決策。但現有市場上自動化灌注評估軟體仍然存在諸多問題，不僅僅是費用昂貴，更多的是準確性問題。國內亟需經過臨床試驗驗證的自動化灌注評估軟體。TianTan PWI評估臨床應用研究將會成為符合SPIRIT AI和CONSORT AI標準的人工智慧研發路徑，未來研發將更需要關注側支循環及動態數據的智能分析。
首都醫科大學附屬北京天壇醫院姜勇教授在報告中介紹了目前大數據領域存在的難點、痛點，並給予了一系列建議。他指出，理想的人工智慧數據的需求包括：①數據的代表性：大樣本、多中心、全維度；②數據的質量：真實性、完整性、準確性、標準化；③結局信息：準確的診斷、隨訪結果；④科學的研究設計：前瞻性的研究設計、混雜因素信息的收集。臨床研究數據管理的原則包括：①規範數據生產過程，保證數據質量；②實施數據分級管理，保障數據安全；③完善公共平臺建設，提高分析效率；④建立數據共享機制，促進合理利用。天壇醫院建立了多學科數據團隊，專業化職責分工，實現臨床研究數據全生命周期管理，形成以電子病歷為核心的臨床科研一體化數據。姜勇教授介紹了天壇醫院國家神經系統疾病臨床研究中心的數據管理和共享平臺的數據分級管理、數據使用申請流程、管理系統，他表示，未來的目標是建立起符合國際標準FAIR原則的臨床研究資料庫。人工智慧技術、醫療設備的研發，在真正的臨床中應用才能實現其臨床價值。首都醫科大學附屬北京天壇醫院楊岸超教授在報告中介紹了目前國產神經外科手術機器人的應用情況，並對未來的發展前景進行了展望。楊岸超教授表示，目前具有代表性的神經外科手術機器人包括睿米、華科、rosa、華志等。機器人系統臨床應用包括立體定向活檢、複雜穿刺引流分流手術、輔助腦室鏡手術、導航輔助定位、SEEG電極植入、LITT雷射間質熱凝、DBS手術等。展望未來，楊岸超教授在以下5個方面提出設想：①智能態的載體：「腦」進步——高程度識別、融合更多模態影像數據，數據處理更智能、精細、快速；「眼」進步——註冊速度提升，精度優化，對面部識別更加精細，術中主動糾偏。②輕量化與穩定性。③基於5G網絡的遠程機器人控制技術。④全息視覺配合機器人手術。⑤機器人硬體優化：自動顱骨孔鑽，多臂機器人，機械臂優化，各種手術設備持器。
趙萌博士：AI在基於平掃CT腦出血病因早期判別中的應用
首都醫科大學附屬北京天壇醫院趙萌博士在報告中指出，腦出血病因眾多，危害嚴重，治療方式不一，儘早、準確地判斷腦出血部位、類型對下一步的治療至關重要。藉助AI可以得出每種疾病病因的可能概率，得到輔助後，醫生診斷疾病的敏感度、特異度均有提高。
中國科學院自動化研究所、腦網絡組研究中心蔣田仔教授對我國自主研發的重大研究成果——腦網絡組圖譜，進行了系統而深刻的講解。腦網絡組是以腦網絡為基本單元的組學，它由腦網絡節點和節點之間的連接兩個基本要素組成，這兩個要素可以在宏觀、介觀和微觀尺度上來定義。腦網絡組圖譜是比現有腦圖譜既具有更精細的腦區劃分、又具有亞區解剖與功能連接模式的全新活體腦圖譜。腦網絡組圖譜思想的提出將引領人類腦圖譜未來的發展從標本走向活體，從粗糙走向精細，從單模態走向多模態。腦網絡組圖譜的應用包括：明確男女情緒調節方式的差異；尋找精神分裂症神經影像生物標誌；腦疾病DBS治療精準定位。
北京師範大學認知神經科學與學習國家重點實驗室賀永教授表示，人腦複雜網絡研究是腦科學領域的重要國際前沿，對於腦疾病領域具有重要價值。人腦網絡連接模式重構與解析方法缺乏，基於神經影像大數據，建立人腦複雜網絡重構、解析、統計和可視化計算方法體系，為人類認知加工的腦網絡機制研究、腦疾病的腦網絡受損機制和臨床評估提供了創新技術和理念突破。
浙江大學生物醫學工程與儀器科學學院吳丹教授在報告中介紹了微結構成像的概念，包括q-space擴散成像、t-space擴散成像，並介紹了t-space微結構成像技術的原理、序列、模型、臨床轉化及臨床應用。
首都醫科大學附屬北京天壇醫院劉亞歐教授在報告中介紹了脊髓成像研究的最新進展及其團隊取得的一些研究成果。劉亞歐教授重點介紹了脊髓成像的基本序列和進階序列、神經免疫疾病脊髓病灶的診斷以及脊髓成像研究進展。
田捷教授：基於人工智慧和臨床大數據的臨床影像組學與應用
中國科學院分子影像重點實驗室主任田捷教授在報告中指出，目前臨床診療過程面臨三大挑戰：術前影像不準確，術中治療憑經驗，術後病理太滯後。田捷教授表示，這既是挑戰，也是臨床精準診療的機遇。人工智慧可以加速智能診斷，影像組學可結合醫學影像、基因和臨床大數據，利用人工智慧方法高通量地提取並分析腫瘤信息，為臨床提供輔助決策支持。看完記得關注點「在看「❤️