MICCAI的全称是“Medical Image Computing and Computer Assisted Intervention”，是跨医学影像计算(MIC)和计算机辅助介入 (CAI) 两个领域的综合性学术会议，被认为有着非常强的国际影响力和非常高的学术权威性，其高度国际化、覆盖学科范围广、多学科前沿交叉，是该领域的顶级会议。“MIC”涵盖人工智能、图像分割与配准、计算机辅助诊断、临床和生物医学应用等研究方向，“CAI”则涵盖示踪和导航、介入式影像、智能手术机器人等研究方向。今年的MICCAI会议论文投稿数量超过历史新高，超2400名来自世界各地的优秀生物医学科学家、工程师和临床医生在中国深圳展开为期5天的多元化交流活动。

MICCAI会议包含为期三天的口头报告和海报展的主会议，以及主会议前后的卫星活动。三天的主会议部分，大会分别就计算机辅助诊断、医学图像重建与生成、图像配准与分割、计算机辅助干预、医学影像计算结合计算机辅助干预和工业、学术论坛等专题发表口头报告，并邀请到了龚启勇等海内外著名学者做特邀演讲，与此同时在会场展出MICCAI的论文海报。口头报告的报告人来自学术界、工业界、医学界的各个领域，分享和交流在他们各自领域内的最新进展，让我对医学影像计算和计算机辅助干预领域有了更加全面的认识，并了解了当前最前沿的医疗技术。在众多的口头报告中，令我最印象深刻的是沈定刚教授的小组利用CycleGAN的方法、使用非配对数据训练，能够由3T MRI生成对应的7T MRI，这种非配对数据的训练方式大大减轻了数据获取的压力，激发了我的浓厚的兴趣。另外，在主会议第一天的工业论坛同样使我印象深刻，大会邀请到了五位不同行业的大牛，针对具有争议性的话题发表各自的见解，让我能够分别站在学者、工程师、医生的角度全面的看待AI技术在医学领域内的发展，有如醍醐灌顶。

在众多的卫星活动中，我选择参加了罗氏集团影像与分析部门主任Raghavan Venugopal针对病理学与深度学习发表的综述性演讲和以生成对抗网络（GAN, Generative Adversarial Networks ）为主题的分享会。在针对病理学与深度学习的演讲中，我了解到当前深度学习存在数据集获取难、算力投入昂贵、泛化能力和可解释性差的挑战和它有能力辅助医生、应用前景广泛的机遇；在生成对抗网络的主题分享会上，我了解到了GAN作为近两年最火热的深度学习方法之一在医学图像的生成、质量控制、加速获取、形式转换和 “健康状态”转换等方面的应用，使我看到了这种方法巨大的应用潜力。

这场大会跨行业、跨学科，让我看到了多学科融合所带来的医疗技术的最新进展以及人工智能为医疗技术研究带来的巨大变革，也使我对医疗行业的发展有了更加全面的认知。在几天的会议行程中，我有幸听取了来自世界各地的学者们做的精彩报告，报告者分别来自工业界和学术界不同的医学相关领域，并在各自的领域上发光发热，取得了令人耳目一新的成果。对我而言，这几天的MICCAI会议在我脑中掀起了一阵强烈的头脑风暴，让我能够跳出自己的科研小圈子，聚焦于最前沿的技术，放眼整个医疗事业的发展，不仅开拓了我的眼界，也再度激发了我对这一领域的浓厚兴趣。返校后，我将继续努力完成自己项目的工作，分享自己的所见所闻，并将本次会议学到的知识融入到我的工作当中，希望能够为医疗技术的发展和中国医电事业的壮大贡献自己的一份力量！