ECCV 2026 - Day 1

2026年9月9日，第19届欧洲计算机视觉大会（European Conference on Computer Vision, ECCV 2026）在瑞典马尔默举行。ECCV是计算机视觉领域最具影响力的国际学术会议之一，汇聚了来自世界各地计算机视觉、机器学习及相关交叉领域的专家学者。实验室2022级博士研究生兰天中参加了此次会议，并于当天重点参加了医学三维视觉相关专题研讨会。

兰天中当天重点参加了 Artificial Intelligence for Medical 3D Vision（AI4M3D）Workshop。该研讨会聚焦人工智能与三维医学视觉的交叉研究，围绕医学数据稀缺、三维重建与生成、自监督学习、基础模型、弱监督学习以及临床应用中的鲁棒性等问题展开讨论。上午的口头报告涵盖 SPECT 心肌灌注成像、三维 CT 生成、三维头影测量以及多模态医学影像分析等多个研究方向，展示了三维视觉技术在医学影像领域不断向数据高效、多模态融合和临床应用拓展的发展趋势。

其中，Constraint-Aware Self-Supervised Pretraining for Label-Efficient Left Ventricle Segmentation in SPECT MPI 聚焦 SPECT 心肌灌注成像中的左心室分割问题。相较于 CT 和 MRI 等解剖影像，SPECT 图像通常具有空间分辨率较低、噪声较强以及局部放射性摄取差异明显等特点，而较低的放射性摄取并不意味着对应区域不存在心肌组织，因此仅依赖局部灰度信息进行分割容易造成左心室结构的不连续。报告围绕多尺度掩码重建和自监督预训练展开，通过大量未标注数据学习更加稳定的三维结构表征，从而提升少量标注条件下的分割性能，并进一步评估模型在跨中心和不同成像条件下的泛化能力。

随后，报告 Evidence-Based Text-Conditioned 3D CT Synthesis for Ovarian Cancer 探索了文本条件驱动的三维医学影像生成。该工作面向卵巢癌三维 CT 数据有限以及配对临床文本难以获取等实际问题，将生成式人工智能与医学影像分析相结合，通过文本和临床信息引导三维 CT 图像生成，为医学影像数据增强以及生成式模型的临床应用提供了新的研究思路。相关讨论也进一步体现了当前医学视觉研究由传统判别式任务逐步向视觉—语言建模和三维生成模型拓展的发展趋势。

同一场口头报告中，Toward CT-Free 3D Cephalometric Landmark Estimation Using MediaPipe Face Landmarker 则从临床应用角度探讨了三维颅颌面标志点估计问题。该研究尝试降低传统三维头影测量对 CT 成像的依赖，通过视觉方法直接进行三维关键点估计，为减少医学成像成本和辐射暴露提供了新的技术路径。

从当天的多项报告可以看出，虽然研究任务覆盖不同器官、不同医学影像模态和不同临床场景，但其核心问题具有较强的一致性：如何在有限标注数据和复杂临床条件下，充分利用自监督学习、三维结构先验、多模态信息以及生成式模型，提高医学视觉算法的数据利用效率、泛化能力和临床适用性。通过参加相关 Workshop，兰天中进一步了解了三维医学视觉、自监督学习和生成式医学人工智能的最新研究进展，也为后续医学影像分析研究提供了新的思路与参考。