日前，西交利物浦大学博士生宋思凡所在团队在百度举办的国际眼科赛事GAMMA挑战赛中，与全球71支队伍同台竞技，最终获得了第二名的佳绩。
GAMMA挑战赛是由百度在第八届眼科医学影像分析研讨会（OMIA8）上举办的国际眼科赛事，该会议是眼科影像领域的重点研讨会之一，也是跨医学影像计算和计算机辅助两个领域的综合性顶级学术会议MICCAI2021的一部分。
本次GAMMA挑战赛主题为青光眼。青光眼是全球第二位致盲眼病，由于青光眼的隐匿性较强，早期较难被察觉，晚期病变将难以控制，因此对青光眼及时准确的诊断至关重要。
参赛团队需要对训练集里的100例3D眼底OCT体数据和2D眼底彩照数据进行处理，并通过“青光眼的分级”、“黄斑中央凹定位”和“视杯&视盘分割”三个子任务进行较量，每个子任务都对应了一个衡量眼科人工智能算法的精准度和泛化性优劣的关键。宋思凡和医疗人工智能企业体素科技以及上海交通大学组成的Voxelcloud Team在第三个子任务中排名第一。
据宋思凡介绍，在完成第二和第三个子任务时，他们都使用了原创的Bilateral-ViT算法模型，与其他算法相比，这个模型中设置了两个通道来分别处理图像中的主要信息和其他结构信息，这种方法可以大幅提高处理图像信息的准确度。
例如在做第二个子任务时，团队中有医学背景的组员提出，黄斑位置和眼底动静脉血管有着强相关性，因此他们通过运用Bilateral-ViT建立了一条新的通道专门收集、处理血管的信息，并通过血管结构和分布来确定黄斑的位置，以此提升确认黄斑位置的精准度。
（图中橙色部分为专门处理血管信息的通道。）
视杯视盘位置的确定和分割在青光眼诊断的过程中尤为重要。针对第三个子任务，团队提出了一个全新的二阶段式分割方法——首先运用Bilateral-ViT对杯盘位置进行粗略定位和分割，再对进行了粗分割的区域进行极坐标转换，以增强图像特征的表达能力，并使用Segtran、TransUnet等最新的算法框架进一步做杯盘的精细化分割。
宋思凡（下图左）说：“提高定位黄斑和杯盘的精确度和准确率，也能帮助医学人员更快速地做出专业诊断、减轻他们的压力。”
宋思凡的指导老师、西浦创业家学院（太仓）数据科学与大数据技术专业负责人苏炯龙博士（上图右）表示，做这样的研究能帮助医疗发展，有很大的现实意义。“本次GAMMA挑战赛提出了一个在医学上很实用的问题，使用的也都是真实行业数据；宋思凡在参赛的过程中和企业合作，也是在用以前学到的知识、技能、算法去克服一些现实困难。这就是一个学习、研究和产业紧密结合的例子，和太仓的融合式教育的核心是一致的。”
宋思凡也提到，在苏老师的指导下，自己的博士研究也会把理论和实践结合得更紧密，在研究项目中也会和企业合作更多。（记者：胡秋辰 曹馨竹 摄影：伏彧震）
