我校生物醫(yī)學(xué)工程學(xué)院謝勤嵐教授所在智能醫(yī)學(xué)工程與儀器團(tuán)隊(duì)長(zhǎng)期從事醫(yī)學(xué)人工智能、醫(yī)學(xué)圖像處理和分析、深度學(xué)習(xí)、模式識(shí)別和醫(yī)學(xué)3D建模等相關(guān)研究。8月7日，研究生陳勇在國(guó)際重要期刊IEEE Journal of Biomedical and Health Informatics發(fā)表了在謝勤嵐教授團(tuán)隊(duì)指導(dǎo)下完成的成果SSCFormer: Revisiting ConvNet-Transformer Hybrid Framework from Scale-Wise and Spatial-Channel-Aware Perspectives for Volumetric Medical Image Segmentation（https://doi.org/10.1109/JBHI.2024.3392488）。

此前，陳勇已在Biomedical Signal Processing and Control發(fā)表ATFormer: Advanced transformer for medical image segmentation（https://doi.org/10.1016/j.bspc.2023.105079），在Computers in Biology and Medicine發(fā)表Collaborative networks of transformers and convolutional neural networks are powerful and versatile learners for accurate 3D medical image segmentation”（https://doi.org/10.1016 /j.compbiomed.2023.107228）兩項(xiàng)重要成果。上述成果的第一作者均為陳勇，謝勤嵐教授團(tuán)隊(duì)導(dǎo)師為通訊作者，我校為論文唯一或第一署名單位。

準(zhǔn)確和魯棒的醫(yī)學(xué)圖像分割對(duì)于疾病診斷、治療規(guī)劃和病程監(jiān)控有重要意義。對(duì)于高精度自動(dòng)分割方法而言，適應(yīng)尺度變化和感知感興趣目標(biāo)的能力至關(guān)重要。然而，現(xiàn)有多尺度建模的方法難以有效地利用分級(jí)編碼器中各尺度之內(nèi)和之間的多尺度特征。此外，感知感興趣目標(biāo)的全局注意力和縮放注意力沒(méi)有被適當(dāng)?shù)亟Y(jié)合，挖掘顯著特征的能力有限。

針對(duì)以上這兩個(gè)問(wèn)題，陳勇在團(tuán)隊(duì)導(dǎo)師的指導(dǎo)下，提出了融合卷積神經(jīng)網(wǎng)絡(luò)和Transformer的方法，開(kāi)發(fā)了3種醫(yī)學(xué)圖像分割算法，在腹部多器官分割、新冠肺炎病灶分割、心臟分割、腦腫瘤分割、左心房分割、肺部腫瘤分割等方面取得了先進(jìn)的性能，在IEEE J. Biomed. Health Inform.、Comput. Biol. Med.和Biomed. Signal Process. Control.等期刊發(fā)表了系列成果，為醫(yī)學(xué)圖像分割方法提供了指導(dǎo)意義，也為相關(guān)研究領(lǐng)域的發(fā)展作出了積極貢獻(xiàn)。