一个不争的事实是，在医学影像分析领域，华人学者的影响力越来越大。
近三年（、、），先后有六位该领域的华人学者当选IEEEFellow（一年IEEE约有名左右的Fellow产生，相当于会员总数的0.1%）。
IEEE全称是电气与电子工程师协会，医学影像作为其中相对“小众”的一个类别，获此殊荣殊为不易。
论文的接受数量，也进一步佐证了这一现象。
年，华人学者沈定刚教授成为MICCAI大会主席，他曾以MICCAI为例，向雷峰网分享过一组数据：
在相当长的一段时间里，国内（包括香港）每年有十篇左右的文章会被（MICCAI）接收，比例只有3%-4%。
但这个现象在年完全不同——亚洲的录取文章比例已经达到37%（美洲为36%，欧洲为26%），超过了美洲。在亚洲的录取文章里，绝大多数（篇左右）来自于中国。
在两年后的今天，这种学术趋势越来越明显。对学者而言，如何做出有水平的研究成果，实现高效的产研转化进而造福人类，是毕生的追求。
近日，由雷峰网与图像计算与数字医学国际研讨会（ISICDM）联合主办的"IEEEFellow圆桌对话"，邀请了近三年来当选IEEEFellow的五位学者，围绕医学影像产学研融合的话题进行了深入探讨。
中国科学院自动化所研究员蒋田仔
中国科学技术大学讲席教授暨生物医学工程学院创始执行院长周少华
电子科技大学电子工程学院教授李纯明
东南大学脑科学与智能技术研究院创院院长彭汉川
腾讯天衍实验室主任郑冶枫
圆桌由南方医科大学生物医学工程学院的冯前进院长担任主持；MICCAI大会主席、上海科技大学生物医学工程学院创始院长沈定刚教授进行致辞，对青年AI学术人的治学提出了诸多建议。（文后附致辞详细内容）
以下是圆桌论坛的现场内容，雷峰网《医健AI掘金志》做了不改变原意的编辑和整理：
南方医科大学生物医学工程学院院长冯前进
冯前进：近年来，越来越多华人在医学影像分析领域做出了杰出成就而当选IEEEFellow，包括在座各位专家。请大家谈谈科研的经验与感想，如何做高水平、有影响力的学术研究？
蒋田仔：每个人对高水平定义肯定不一样，我觉得对这个领域或社会有意义的事，才是高水平。
我原来搞数学，从本科、博士都是学数学，后来做脑科学，从-年这十年基本上以写论文为主，发表了很多论文，却不能解决现实问题。
我们申请科技部“项目”的时候，分析了以前的问题。
发现脑科学研究缺乏一个靠谱的脑图谱，所以，我们的项目设计了有三个主题：脑图谱、脑连接、疾病的脑网络表征。
该项目绘制的“脑网络组图谱”临床影响就很深远，因为有很多临床应用场景，包括精准诊疗的生物标志、治疗和调控靶区等等。
周少华：我非常同意蒋田仔教授观点。我博士做人脸识别，后来“误打误撞”加入西门子医疗开始医学影像的研究，研究了很多来自临床实践的问题。
我觉得临床实践才是医学影像研究比较好的途径，因为实际临床问题是重要的问题来源。
真的能解决某个临床问题、做出有影响力的工作才是高水平。
李纯明：我结合个人背景谈一下我的看法，我本硕都是数学，虽然博士读的是电子工程，后来一直在工科领域工作，但还是受数学影响比较深一点。所以我的研究偏数学一些，看法可能有些偏颇。
针对做算法的文章来讲，我认为一篇有长久影响力的论文应该具备以下四个特征：
第一，创新性。首先是文章的创新性，所提出的方法要新颖独特，这样才能成为作者的一张名片。
第二，有效性。文章里的实验结果首先要可复现，而且要有优势，至少在某些方面要优于其它方法。
第三，理论性。文章要有很好的理论支持，在理论层面或数学模型上就能够清晰地解释方法的工作机制，这样才能让人知其然，还知其所以然，让人心服口服，产生更深远的影响力。
第四，简洁性。文章的数学模型、公式和算法的表达都要尽可能简洁。
因为简洁可以让很多人在此基础做进一步研究，用起来更方便，容易让别人在你工作的基础上做进一步的研究，也更容易被记住。一篇经典的论文或一个fundamental的贡献往往具有简洁性。
现在很多深度学习论文的同质化比较严重，就是创新性不高，即不满足第一条特征，而且大部分论文也不具备第三条和第四条特征，往往只靠第二条。
即只依靠在某个数据集上的实验结果取胜，就是人们常说的“刷分数”，但因为缺乏理论性而不能让人心服口服，也许换一个数据集结果就分数很差。
而且，一个方法在某个数据集的挑战赛上得了第一名，也许第二天就被别的方法比下去了，很难维持长久的影响力。
彭汉川：蒋田仔教授他们一直都是体量比较大的项目，比较容易看到临床的巨大需求。但许多研究相对比较小众，项目曝光不大。
这种情况下怎么才能做出被大家
转载请注明：http://www.0431gb208.com/sjslczl/7763.html
