由湖南大学王树林教授、林红利博士的讲座想到的

文/李曙

4月26日下午，学院邀请了湖南大学王树林教授、林红利博士做学术报告。报告地点在学院会议室。那天下午我正好没课，就去听了。王教授的讲座题目是“复杂疾病信息学的大数据挖掘方法研究”。林博士的讲座题目是“医学影像分析中的深度学习方法”。两位老师的研究领域属于当前比较热门的生物信息学。作为一个外行，他们讲座的具体内容，我不太了解。他们的研究思路和做报告的方式值得我借鉴。

1.王树林教授的讲座内容

王教授具有很强的计算机专业背景，本硕博都是计算机专业。他目前的研究内容，简单概括就是用信息科学的方法分析生物医学领域的海量信息，并提取重要信息，为医生做临床诊断和治疗提供帮助。

他的讲座包括五大部分。第一部分是生命科学的信息学观点。主要介绍了生命科学研究的核心是基因组、编码蛋白质的基因与控制基因行为的调控网络、生命信息具有等级秩序的性质等内容。第二部分，介绍了复杂疾病相关的大数据积累。这部分他强调了目前该领域能积累大量数据得益于生命科学领域的关键技术突破。包括DNA微阵列技术、蛋白质芯片技术、新一代测序技术等的突破。他举了个例子，现在对人的基因测序的成本已经下降到了几千元，普通老百姓都能负担得起。因此，很多医院和研究机构都积累了大量这方面的数据。在第三部分，他介绍了基因表达谱数据的挖掘方法。以图示的方式简单介绍了数据挖掘的主要流程，并给出了他们实验室目前的一些研究成果。如：基于因子分析的特征抽取方法、基于启发式搜索的基因选择、基于相关滤波器的肿瘤亚型分类。第四部分，介绍了新一代测序数据的分析方法与应用。他的重点放在了应用上，如：无创产前诊断、肿瘤基因检测、肿瘤遗传性筛查等。第五部分，介绍了他们实验室的研究计划。

听完王教授的讲座，感觉他们这个研究方向具有很重要的意义。在问答环节，王教授说他们的研究并不需要很高大上的设备，实验用到的一些数据可以在网上下载。他鼓励我们说，这个方向入门并不难，他的研究生如果之前没有生物信息学方面的基础，先找本这方面的书看下，再做点实验就能入门了。

2.林红利博士的讲座内容

林博士硕士是计算机专业，博士学的生物医学工程。她的讲座内容包括医学成像与分析、深度学习在医学成像中的面临的挑战等。

她首先介绍了医学成像的分类。包括结构成像和功能成像两大类。结构成像具有分辨率高、能显示组织结构，但是对代谢情况不清楚等特点。而功能成像能显示代谢物的衰变过程，但是不能对组织的形态成像，且分辨率低。

接下来，她介绍了医学成像分析的目的和人工分析存在的问题。目的是便于精确诊断和评估疾病。医生人工对医学图像做分析的问题主要有：（1）存在主观偏差。同一个医生，在不同情况下，对同一幅医学图像的分析可能出现不同结果。（2）不同医生对同一幅图像的分析结果的差异可能很大。（3）医生容易疲劳。医生的工作强度大，易疲劳，这种情况也会影响他们对图像的分析。

随后，她介绍了医学图像分析的应用领域及其工作流程。医学图像分析主要用在计算机辅助诊断、图像分割、配准、融合、图像导引的治疗、图像数据库检索等领域。林博士的研究集中在计算机辅助诊断和图像数据库检索方面。医学图像分析的流程可以表示为：

                                             预处理-->检测-->特征提取-->分类

   他指出，这个过程中的难点是特征提取。这个步骤的核心工作是假阳性的去除，即：将不是病变的特征去掉。

接下来，她结合自己的研究工作介绍了深度学习中的卷积神经网络及其在结构成像、功能磁共振成像、间质性肺病检测等方面的应用。

最后，他介绍了目前的研究中存在的一些问题。主要有：

（1）现有的深度学习网络多源于光学图像，目前还没有专门针对医学图像的网络

（2）关于数据的迁移学习路径的问题。（如：将MRI的学习得到的网络迁移到CT等）（这部分，没听明白。）

（3）要使用没有被标记的医学图像吗？（此处的被标记的图像，即为病变区域被医生标记过的图像）深度学习需要大量的样本图像。而医学图像有绝大多数是正常的，只有少数是有病变的。而这些病变图像中又只有少数经医生标记过。这种情况下该如何处理呢？

在问答环节，林博士介绍了一些网络上这个领域的研究资源，并针对老师们提出的如何搭建医学图像分析的深度学习平台做了回答。

3. 我的感想

（1）在这个时代做科研，掌握好计算机十分必要。

从两位学者的教育经历看，都是计算机专业。而从他们要解决的问题看，则属于生物信息学范畴。不论是复杂疾病的大数据挖掘，还是医学图像分析，最本质上都需要编写计算机程序来求解待解决的问题。不光是生物信息学领域的研究，其他很多领域，要做科研，掌握好计算机都是十分必要的。

（2）学到一个方法或概念后，多想想还可将它用在哪些方面。

从两位学者的研究方法可以看出，他们使用的工具都取自于信号与图像处理、模式识别等学科。这告诉我们，get到一个方法/概念后，要能举一反三，看能不能在其他领域应用，在用的时候要注意哪些约束条件。

（3）花些精力在别的地方找钥匙。

遇到问题，无法解决时，可以暂时跳出这个问题，去其他地方找找，看能不能找到解决该问题的钥匙。世界这么大，没准困扰我们的问题，在别的领域，早就有人帮我们解决好了。只是它以另一种形式存在，而我们并不知道罢了。要具有这种去其他地方找钥匙的能力，就需要我们适当拓宽视野，加大输入。

（4）讲座的时候多用图、表，且要考虑到受众的情况。

这一点，我的博导常提到。教研室每周的学术报告会上，经常能听到他提及。这次，这两位学者的讲座正好给了我一个如果做学术讲座的正面教材。他们的PPT图文并茂，思路清晰。考虑到我们听报告的人很多都没有生物信息学方面的背景，介绍的时候详略得当，重在交流思想。

（5）要听讲座就认真听，否则就别听。

这次听讲座，我一边听，一边记笔记。明显感觉比平时不动手写所get到的信息多。且事后回顾的时候能还原的信息也要多。听讲座是要投入时间的。在听的这段时间内，如果不认真，时间没有了，该得到的信息也没得到，这就赔大了。如果讲座的内容确实对自己价值不大，那就不要去听了，花这点时间做些更有价值的事。

（6）及时整理很重要。

这一条是针对这篇博文写的。讲座是上周三的事，到今天已过去5天了。虽然有记笔记，但比刚听完讲座那会儿遗漏掉的信息肯定要多。及时整理是个好习惯，需要养成。

（7）下次听讲座要记得拍照片，便于写博客。

                             2017年5月1日晚 于吉首大学