为获得最佳阅读体验，请将设备旋转至横屏模式
| 期刊 / 会议 | 影响因子 | 篇数（一作） |
|---|---|---|
| Medical Image Analysis | 13.8 | 3 (2) |
| IEEE Trans. on Medical Imaging | 9.8 | 1 |
| MICCAI | — | 8 (1) |
| ISBI（会议） | — | 1 |
| ICIP（会议） | — | 1 |
| MIUA（会议） | — | 5 (2) |
| Systematic Review | 4.7 | 1 (1) |
| 合计 | — | 20 (7) |
| 年份 | 颁发机构 | 荣誉 / 奖励 |
|---|---|---|
| 2022 | 牛津大学 | 卓越奖 |
| 2020 | 大脑肿瘤分割挑战赛 (BraTS) | 团体第二名 |
| 2019 | 大脑肿瘤分割挑战赛 (BraTS) | 团体第二名 |
| 2018 | MICCAI | 青年科学家奖 · 全球每年 5 人 |
| 2018 | MICCAI | 亮点文章 |
| 2015 | 国际地中海贫血症组织 (TiF) | 博士奖学金 · $60,000 / 年 1 人 |
数据极度稀缺领域 · 亟需小样本数据高效处理方法 · 提升临床效果、支撑精准医疗。
"推动 医学影像数据采集标准化与规范化，支持典型疾病领域的医学影像辅助诊断技术研发；加快医疗卫生机构数据共享，推进 医学影像辅助判读、临床辅助诊断 等运用" — 面向国家重大需求、人民生命健康
先验驱动 + 优化数据使用效率 — 让小数据达到 大数据同等性能水平。
数据学习效率低、分割结果拓扑不稳定、模型参数物理意义不明（可解释性弱）。
创新采用 动力场微分方程 描述临床标注行为；卷积神经网络学习 图像段 / 位移 组合；引入 庞加莱映射 高效检测分割轨迹收敛。
数据效率极高，参数物理意义明确；具备完全 旋转不变性、分割结果拓扑稳定。
传统训练样本均值化 — 冗余计算量大，高价值影像未充分利用。
生成模型与 损失梯度引导；隐空间 样本动态推荐；启发式 高价值样本 自适应训练。
样本标注行为 动态决策；更少样本 + 更高性能双增效；高度适配所有医学影像处理场景。
疾病数据 分布极不均匀，病灶特征难捕捉，传统 AI 模型失效。
归纳领域知识建立 层次分类；预训练特征提取 + 过采样 特征增强；针对 微小 / 模糊病灶 的 mSASSS 评分标准融合。
不平衡影像数据 mSASSS 临床判读高度一致；解决小样本 X 光脊椎病体精确分割、定位与识别问题。
传统扩散模型基于强度噪声 — 生成影像 缺乏解剖对应，无法生成配对标注数据。
形变场扩散 生成；多尺度速度场 采样与积分；运动可分离 网络结构。
提出形变恢复扩散模型（DRDM）— 形变场生成 + 解剖保真合成；无需人工标注，从未配对影像即可训练。
心脏 MRI 少样本分割 — 在 ACDC 心脏分割挑战上验证效果。
肺部 CT 图像配准 — 在 Learn2Reg 肺部配准上验证效果。
心血管疾病与癌症 并列全球头号死因 — 早期发现与精准干预具有重大的临床与社会价值。
心脏是人体中 形变最复杂、且形变本身即为其核心功能 的器官 — 4D 时空建模既是临床刚需，也是计算成像中最具挑战的开放问题。
数据 + 模型范式 + 算力，三者首次同时具备 — 构建专用心脏形变基础模型的最佳时机已到。
海量心脏多模态数据（4D 影像、表型、基因组、其他条件等）的可计算统一表征 — 构建跨个体、跨时相、跨模态的心脏 "形变数字孪生"。
心脏跳动的时空非线性形变难以建模；影像、表型、基因异构对齐缺乏统一空间；病理个体稀缺样本限制大模型可推广性。
以 OmniMorph 为骨干 — 复用其多尺度形变场建模能力，迁移至心脏 4D 解剖；融合 影像 + 表型 + 基因组 + 其他条件 多模态构建统一表征空间；面向心血管疾病早筛与遗传风险关联。
在 OAI（Osteoarthritis Initiative） 膝关节 MRI 上验证 OmniMorph 的语义形变 — 模型生成的形变场集中于临床公认的退变高发区，具备解剖学意义。
半月板 (Meniscus, 红框) — 形变幅度最高，符合 OA 退变高发区；胫骨软骨 (Tibial cartilage, 黄箭头) — 稳定出现形变响应。形变热区沿软骨/半月板结构连续分布。
形变方向与关节受力 / 退变机制一致，无明显解剖跨越；三个矢状切片（Slice 32 / 64 / 96）热区位置稳定可复现。
深度学习已在分割、配准、重建等任务上取得显著成果 — 但研究者真正投入时间的环节往往不在「模型」，而在 「数据」。
深度学习对心脏 MRI 的分割普遍是 slice-by-slice — 单切片精度高，但呼吸位移导致切片错位、心尖等区域常缺失，下游 3D 几何与临床参数难以可靠提取。
面向心脏 MRI 分割结果的可视化质控工具。支持医生在多视图同步浏览中手动填写 QC 评分与临床评语，集成质控分布可视化、批量任务管理与结构化报告导出。
引入多智能体协同医生开展质控 — 感知 / 判断 / 规划 / 修复。医生只需复核与裁决，迭代回流持续提升质控模型。
国内 · 依托首都医科大学朝阳医院 · 北航-首医高精尖创新中心 | 国际 · 与牛津、剑桥、帝国理工等多所顶尖高校及诺华、NIH 等机构长期合作。
