神经算子与计算成像研讨会于近日在北京举办，会上对2024年3月25日至2024年5月31日期间举行的 AI4S Cup 系列比赛之超声 CT 成像中的声场预测赛题进行了颁奖活动。本轮赛题由深势科技、北京科学智能研究院、北京大学、中国科学院声学研究所联合主办，聚焦于如何运用神经算子优化超声 CT 图像重建过程中 Helmholtz 方程的求解，从而实现更高效的超声 CT 成像。鉴于超声 CT 在提供高分辨率临床影像方面的潜力，其对于提升医疗服务质量、加速医学研究进展及医疗技术创新具有不可估量的价值。
嘉宾分享
本次学术研讨会由来自北京大学未来技术学院的孙赫研究员、中国科学院声学研究所超声学实验室的李玉冰研究员共同主持。活动邀请到了来自北京大学的董彬教授、中国科学院声学研究所的林伟军研究员、清华大学的史作强教授、北京大学的赵泽宇研究员作为本次研讨会的点评嘉宾。其中，董彬教授与赵泽宇研究员分别为大家带来了精彩报告。
主旨报告一：机理与数据融合的计算成像
报告中，董彬教授强调了计算成像技术在科学研究中的核心地位，深入讨论了深度学习如何革新图像重建，并通过多个例子展现了深度学习提升图像质量和效率的潜力。此外，董彬教授指出多模态数据整合与AI结合的临床决策支持将是大势所趋，呼吁科研人员紧跟科技前沿，构建高质量数据集和训练基础模型，推动科研系统化和针对性。此次报告不仅回顾了计算成像的重大进展，也为该领域的发展描绘了蓝图。
主旨报告二：深度学习地震全波形反演
报告中，赵泽宇研究员详细阐述了深度学习技术如何革新地震全波形反演领域，以及这一技术如何克服传统方法在处理高维反问题时的瓶颈，介绍了混合优化算法，并展示深度学习在地震全波形反演中的应用潜力。通过深入浅出地讲解深度学习地震全波形反演技术，引领与科研人员共同探索地质科学、地球物理学及医学影像等领域研究的新边界。
此外，与会嘉宾也为参赛选手的表现进行了精彩纷呈的点评。
史作强教授强调了跨学科交流的重要意义，指出本次比赛不仅是一个展示研究成果的舞台，更是构建学术对话平台、促进知识共享与思维碰撞的绝佳机会。他鼓励大家超越单一视角，通过跨学科合作探索问题解决的新途径，共同推动科技发展。
林伟军研究员深入分析了超声成像技术面临的现实挑战，特别是成像分辨率与实时性之间的矛盾。他提出，利用神经算子等前沿技术有望改善超声成像质量，同时指出了理论模拟与实际应用间的差距，呼吁研究者采取系统化视角，平衡技术精度与实用性，以满足临床实践的迫切需求。
董彬教授则从竞赛组织者的角度，阐述了竞赛的价值所在——激发创新思维，促进团队协作。他指出，竞赛虽有其局限性，但为参与者提供了一次难得的机会，去探索如何在限定条件下优化解决方案。董彬老师还特别强调了数据使用的规范，倡导公平竞争的同时，鼓励合理利用多样数据资源，以促进研究的深度与广度。
左右滑动查看更多
赛事总结
本次比赛主要出题人曾祉竣博士也以 AI for Science 为出发点进行了赛事的总结。在本次比赛中，共有224位选手积极探索，在神经算子与计算成像这个充满挑战与机遇的领域展现了非凡的创新能力和不懈的努力。其中，有39组队伍成功提交作品，总提交次数达274次。最高分选手的精度是基线模型的40倍，展示了神经算子在声场预测上的巨大潜力。六组获奖选手的平均分达到了30分，方法涵盖了不同的角度，提供了从基于物理先验的算子到结合多种技术的创新方案。
在分析结果时，我们发现并非正向效果最佳的模型就能产生最优质的成像结果，这意味着模型精度与成像质量之间的关系并非线性。在本次比赛中也发现允许的推理时间较长，导致一些队伍牺牲了模型的运行速度以追求更高的精度，这与实际应用需求不符。未来比赛将调整规则，鼓励模型的轻量化和优化，以实现高精度和高速度的平衡。
此外，本次研讨会也为后续的二期比赛：“AI4S Cup-超声CT成像中的波速重建”拉开了帷幕，包括使用新场景和器官类型的数据，也将持关注直接反演高效模型，探索多频模型、三维成像问题，旨在通过直接反映的方法获得接近真实的初始猜测，以优化反问题求解。
比赛只是一个起点，未来的努力将集中在开发基础工具、收集不同频率和三维成像数据，以及推动从感知到重建再到分析的完整研究范式。这也标志着竞赛的目标是推动整个领域的进步，而非仅仅停留在比赛本身。
选手分享
本次获奖的六支队伍也依次与大家进行了汇报与交流，包括他们在比赛过程中的心路历程和技术要点，这些宝贵经验不仅让在场的观众们产生了很多共鸣，也为大家带来了许多启发和新思路。详细内容请点击 notebook 链接，或观看完整活动回放。获奖选手将方案开源的同时，本赛题已开放赛后提交，大家可以持续地在比赛平台上面学习和练习。
奖项 | 获奖队伍 | 奖金 | 选手 | 报告主题 |
一等奖 | Xinliang's team (MgNO and HANO) | ¥30,000 | 刘新亮、何俊材、许波 | Multigrid Meets Neural Operator: Efficient Learning for Multiscale and High Frequency Problems |
二等奖 | Koolo233 | ¥15,000 | 杨子江 | Improving the Performance of Neural Born Operator for Ultrasound Computed Tomography via Learnable Masks and Parameter Sharing |
二等奖 | MGCNN | ¥15,000 | 谢炎、吕敏瑞 | MGCNN with Fourier Transform Layer: A Learnable Solver for Helmholzt Equation with Any Number of Sources |
三等奖 | 能不起吗 | ¥5,000 | 董则元、刘阳、蒋乐康 | Neural Operator Solving Helmholtz Equation: Convergent Born Series Inspired Fourier Layer |
三等奖&最佳反演效果奖 | cui | ¥10,000 | 崔世龙 | Enhancing Ultrasound Computed Tomography: An Image-to-Image Neural Operator with Fourier Layer |
三等奖 | NaiLian23 | ¥5,000 | 连奕航 | Neural Helmholtz Solver for Ultrasound Computed Tomography Image Reconstruction with Full Waveform Inversion |
Rank 1 获奖方案@Notebook
Notebook链接 https://dwz.cn/CKTtdSkT
Rank 2 获奖方案@Notebook
Notebook链接
https://dwz.cn/VwXXqEfx
Rank 3 获奖方案@Notebook
Notebook链接
https://dwz.cn/YxSfJfEJ
Rank 4 获奖方案@Notebook
Notebook链接
https://dwz.cn/F8nH49q3
Rank 5 获奖方案@Notebook
Notebook链接
https://dwz.cn/CxQ3e4sj
Rank 6 获奖方案@Notebook
Notebook链接
https://dwz.cn/R555KZMo
更多精彩内容请查看完整活动回放👇
链接 https://www.bilibili.com/video/BV1JJ4m1M7kq/?spm_id_from=333.999.0.0&vd_source=71686da5640a5174ec697887dc914e12
此次竞赛的成功举办不仅促进了学术交流和技术共享，也激发了科研人员对神经算子和计算成像技术的兴趣和热情，为该领域的发展注入了新的活力。在此，我们诚邀各位，将你们在科研征途上的领悟与实践在 Bohrium 上分享交流，以促进知识传播、激发更多灵感。同时，回归我们设立比赛的初心，“科学智能，行则将至，赛则倍进”。
合作联系
若您对 AI4S Cup 后续赛事有合作意向，请联系 cooperation@aisi.ac.cn。期待各位合作伙伴的加入！
