1. Y. Lyu, H. Liao, H. Zhu, and S. Kevin Zhou, “A3DSegNet: Anatomy-aware artifact disentanglement and segmentation network for unpaired segmentation, artifact reduction, and modality translation,” Information Processing in Medical Imaging (IPMI), 2021. (accepted)
IPMI简介：IPMI的全称是Information Processing in Medical Imaging。 IPMI会议着眼于医学图像的采集，重建，分析和显示方面的创新发展。 IPMI高度重视高质量的论文，并在会议分享时深入讨论工作的创新之处。 IPMI每两年举行一次。第27届IPMI国际会议将于2021年6月27日星期日至2021年7月2日星期五在丹麦伯恩霍尔姆岛的罗讷举行。
2. R. Gao, Z. Hou, J. Li, H. Han, B. Lu, and S. Kevin Zhou, “Joint Coronary Centerline Extraction and Lumen Segmentation from CCTA using CNNTracker and Vascular Graph Convolutional Network,” IEEE International Symposium on Biomedical Imaging (ISBI), 2021. (accepted)
摘要：在冠状动脉血管造影(CCTA)图像中提取冠脉对于临床医生诊断和评估冠心病(CAD)非常重要。 这里通常涉及两个任务：提取中心线和管腔分割。在这项工作中，我们利用了这两个任务的相关性提出了一种联立CNNTracker和图神经网络的方法，通过交替推理的方式优化了中心线的提取，减少了追踪过程的漂移，同时也提高了分割的结果。
ISBI简介：IEEE International Symposium on Biomedical Imaging（ISBI）是一个科学会议，致力于生物和生物医学影像的数学，算法和计算方面。 它促进了不同成像社区之间的知识转移，并为生物医学成像的整合方法做出了贡献。 ISBI是IEEE Signal Processing Society（SPS）和IEEE Engineering in Medicine and Biology Society（EMBS）的一项联合计划。
3. P. Liu, et al. S. Kevin Zhou, “Deep learning to segment pelvic bones: large-scale CT datasets and baseline models,” Information Processing in Computer-Assisted Interventions (IPCAI), 2021. (accepted)
目的：CT骨盆分割一直是骨盆疾病临床诊断和手术规划中必不可少的步骤。现有的骨盆分割大多是基于手工提取或半自动的方法，在处理影像外观变化较大情况时的精度有限。外观的多变则是由于影像域的偏移，血管硬化，粪石和食糜的存在，骨折，低剂量，金属伪影等因素导致的。由于缺少带有标注的大型骨盆CT数据集，深度学习方法的在骨盆分钟场景的性能尚未被探索。方法：在本文中，我们旨在通过从多个来源收集并构建一个大型骨盆CT数据集（包括1184个具有各种外观变化的CT影像）来弥合这个数据鸿沟。据我们所知，我们是第一个提出，通过同时从多个域的影像中学习一种深度多类分割网络，来同时从影像中分割腰椎，骶骨，左髋骨和右髋骨，以获得更有效和更鲁棒的特征表示。另外，我们还引入一种基于符号距离函数（SDF）的后处理器。结果：在我们的数据集上进行的大量实验证明了我们自动方法的有效性，在无金属伪影的影像上骨分割的平均Dice达到0.987。与传统的后处理器相比，SDF后处理器可以使Hausdorff distance降低15.1％。结论：我们相信，该大规模数据集将促进整个社区的发展，并在https://github.com/ICT-MIRACLE-lab/CTPelvic1K上开源了数据集，标注，代码和基线模型。
IPCAI简介：The Information Processing in Computer-Assisted Interventions（IPCAI）是计算机辅助手术领域中最重要的创新论坛之一。 IPCAI会议是一次真正的国际跨学科会议，它将临床医生，计算机科学家，工程师和其他研究人员聚集在一个独特的场景中，形式也专门为与会者的积极参与而特别设计。 第12届IPCAI会议定于2021年6月22日至23日，与2021年在德国慕尼黑举行的计算机辅助放射学和外科手术（CARS）大会同时举行。
4. R. Gao, Y. Gao, H. Han, S. Kevin Zhou, and Bin Lu, “Cardiac event prediction by evaluating variation of perivascular adipose tissue in serial coronary CT angiography,” European Congress of Radiology (ECR), 2021. (accepted)
摘要：该项研究通过自动化算法提取冠脉周围脂肪，证明了病人前后两次CT检查冠脉周围脂肪的变化对于预测心血管不良事件的作用，随着冠脉周围脂肪密度的上升，发生心血管不良事件的概率随之升高。
ECR简介：ECR全称是European Congress of Radiology（欧洲放射学会年会），与北美放射学年会(RSNA)齐名，是医学放射学界公认的两大国际知名会议之一。ECR年会始于1967年，自1985年起会议定在奥地利首都维也纳举行(RSNA年会每年年底在芝加哥举行)，时间与地点相对固定，来自世界各地的放射学精英齐聚一堂，交流和探讨一年来国际医学放射成像技术领域的突破性创新成果。ECR年会由欧洲放射学会（European Society of Radiology，ESR）主办，该学会是世界上最大的和最具有影响力的放射学会之一，在全球拥有来自超过157个国家的75500多位成员。
5. P. Cheng, H. Liao, G. Wong, J. Luo, S. Kevin Zhou and R. Chellappa, “XraySyn: Realistic view synthesis from a single radiograph through CT priors,” The 35th AAAI Conference on Artificial Intelligence, February 2021. (accepted)
摘要：射线照片通过使用X射线可视化患者的内部解剖结构，将3D信息投影到2D平面上。因此，射线照相分析自然需要医生将关于3D人体解剖学的先验知识与2D射线照片相关联。在较小范围内合成新颖的放射影像视角可以帮助医生更可靠地解释解剖结构。然而，射线照相视图生成严重不适定，缺乏成对的数据，并且缺乏可微分的操作来利用基于学习的方法。为了解决这些问题，我们使用计算机断层扫描（CT）进行射线照相仿真并设计可微分的投影算法，这使我们能够在射线照相和CT域之间实现几何上一致的转换。我们的方法，XraySyn，可以通过对真实射线照片进行逼真的模拟和微调相结合，在真实射线照片上合成新的视图。据我们所知，这是有关射线照片视图合成的第一项工作。我们表明，通过了解3D空间中的射线照相技术，我们的方法可以应用于射线照相中骨的提取和抑制，而无需使用骨骼的金标准标签。
AAAI简介：AAAI会议的目的是促进人工智能（AI）的研究以及AI研究人员，从业人员，科学家和所属学科的工程师之间的科学交流。 第三十五届AAAI人工智能会议（AAAI-21）将于2021年2月2日至9日举行。