|
作者简介:
沈定刚,男,教授,博士生导师,主要研究方向包括早期脑发育和自闭症的诊断,老年痴呆症的早期诊断与预测,肿瘤的诊断、预后和放射治疗等。E-mail:dgshen@shanghaitech.edu.cn
刘天明,男,教授,博士生导师,主要研究方向为脑成像、计算神经科学和类脑人工智能。E-mail:tliu@cs.uga.edu 周涛,男,教授,博士生导师,主要研究方向为医学图像分析处理、计算机辅助诊断和模式识别等。E-mail: zhoutaonxmu@126.com 夏勇,男,教授,博士生导师,主要研究方向为医学影像大数据分析、计算机辅助诊断和深度学习等。E-mail:yxia@nwpu.edu.cn 白相志,男,教授,博士生导师,主要研究方向为人工智能、数学形态学、模糊理论、生物医学图像分析等。E-mail: jackybxz@buaa.edu.cn 王乾,男,研究员,主要研究方向为医学图像分析、人工智能等。E-mail: wangqian2@shanghaitech.edu.cn 李刚,男,副教授,博士生导师,主要研究方向为脑发育和脑影像分析、深度学习等。E-mail: gang_li@med.unc.edu 徐寿平,男,高级工程师,硕士生导师,主要研究方向为放射治疗物理。E-mail: xshp228@163.com 刘昊,男,教授,主要研究方向为人脸视觉分析、生物医学影像等。E-mail:liuhao@nxu.edu.cn 韩向娣,女,副编审,主要研究方向学术出版和媒体传播等。E-mail:hanxd@radi.ac.cn
中图法分类号: TP309; TP399
文献标识码: A
文章编号: 1006-8961(2022)03-0653-01
|
随着医学影像技术和人工智能技术的发展,两者之间的结合,特别是人工智能在医学影像领域的赋能,已在疾病诊断、分期、治疗和手术方案制定等方面起着越来越重要的作用。
为了更好地推动医学影像技术和人工智能技术及其临床应用的研究和发展,及时记录我国学者在相关领域的最新研究进展,《中国图象图形学报》邀请国内外专家共同策划推出“医学图像及临床应用”专刊,聚焦临床应用广泛的多种生物医学影像模态——超声、MRI、CT等在理论方法、关键技术和典型应用等方面具有创新性、突破性的研究成果。
经过严格评审,“医学图像及临床应用”专刊共收录学术论文26篇,作者包括来自64家科研院所、研究中心、高校、医院和企业的135位专家学者、一线医生、研究生、企业人员等。专刊中由国际国内专家合作的论文4篇,来自12家医院临床医师与高校学者合作的论文9篇,由5家国内医疗企业与研究学者合作的论文5篇。
专刊成果得到32项国家自然科学基金、4项国家重点研发计划、17项省级自然科学基金和重大科技计划、3项国家和教育部重点实验室开放基金、2项中央高校基本科研业务费科技创新项目、3项中国博士后科学基金等支持。
专刊关键词主要包括:医学影像、人工智能、图像分类、深度学习、迁移学习、生成对抗网络、数据增广、数据集、新冠肺炎、图神经网络、注意力机制、图像分割、UNet、Transformer等。
专刊栏目包括:综述(5篇)、计算机断层扫描图像(8篇)、磁共振图像(4篇)、超声图像(2篇)、中医图像(2篇)、研究应用(5篇)。
专刊封面展示了上海科技大学生物医学工程学院和上海联影智能医疗科技有限公司合作的脑影像智能分析方向研究成果。
综述论文中,《中国医学影像人工智能20年回顾和展望》分析了国内同行在医学影像人工智能领域顶刊顶会MedIA、TMI、MICCAI上的成果;回顾了近20年国内医学影像人工智能发展进程中的重要事件。该文有助于同行了解本领域的发展历程,采用的统计方法和研究思路客观且具有说服力,对国内领域发展具有积极的推动作用。
《迁移学习在医学图像分类中的研究进展》从迁移学习在医学图像分类应用中的现状和特点切入,对迁移学习的知识学习类型、组织结构等进行归纳总结,并提出仍待解决问题和建议,为后续研究建议了方向,值得研究者深入探究。
《生成对抗式网络及其医学影像应用研究综述》从任务拆分、条件约束以及图像到图像翻译等角度对生成对抗式网络的衍生模型进行分析。对其在医学影像领域中的数据增广、模态迁移、图像分割以及去噪等方面应用的最新研究工作进行综述。通过对医学影像处理相关瓶颈问题以及生成对抗式网络的深入分析,旨在找到两者的结合点及未来的改进方向,也为该领域相关研究人员提供参考。
《深度学习的心脏磁共振影像超分辨率前沿进展》对领域内现状进行梳理总结,分析发现,基于深度学习的心脏SR重建技术取得了较大进展,但在运动伪影抑制、模型简化程度与时间性能方面仍有进步空间。现有模型基本完全依靠网络强大的表达能力,鲜有临床先验知识的引入。模型间性能对比相对较少,且领域内缺少代表性的可用于评价不同心脏SR重建模型性能的数据集。感兴趣的读者可通过该文了解领域内的研究现状与发展趋势。
《CT图像肺及肺病变区域分割方法综述》不仅对肺实质和肺结节的分割文献进行比较与总结,还包括对COVID-19感染区域、磨玻璃影和肺间质疾病等肺病变区域的分割研究进展进行重点分析与总结,从CT图像中检测并分割感染区域,为助力传统医疗保健策略应对诊断COVID-19疾病提供可能性。
我们期待广大读者和科技人员通过“医学图像及临床应用”专刊,能够更深入、更全面地了解该领域的最新方法和应用,吸引更多学者从事相关研究并产生具有国际影响力的优秀成果,为本领域的发展做出新的贡献。