开发以计算机辅助检测方法为基础的医学影像标志物及其应用研究
Development of Computer-aided Detection based Medical Imaging Markers and Evaluation of their Application
报告主题：开发以计算机辅助检测方法为基础的医学影像标志物及其应用研究
报告时间：11月20日上午9:00
报告地点：学院综合楼C区301会议室
讲者简介：
郑斌教授，学院杰出校友。1982年和1984年在上海机械学院（现学院）精密仪器工程系分别获得学士和硕士学位。1993年在美国特拉华大学（University of Delaware）电机工程系获得博士学位。1993年至2013年在美国匹兹堡大学（University of Pittsburgh ）医学院放射医学系医学图像研究中心从事研究工作。2013年至今任美国俄克拉荷马大学电子与计算机工程系教授，史蒂文森癌症中心特聘研究员。2016年12月被评为美国医学与生物工程院Fellow。自2016年起担任SCI期刊Journal of X-ray Science and Technology杂志主编。郑斌教授的主要科研方向是生物医学图像处理、定量分析和计算机辅助诊断。自1998年以来一直担任由美国National Institutes of Health资助立项的R01级科研项目的负责人（Principal Investigator）。郑斌教授和他的合作者以及学生在国际SCI期刊上发表学术论文170余篇，获得8项美国发明专利。
报告内容:
为了提高对于癌症和其它疾病诊断和治疗的有效性，即帮助实现精准或者个性化医疗的目的，研究开发以计算机辅助检测为基础的医学影像标志物和人工智能模型目前在生物医学影像工程和放射医学临床应用中吸引了广泛的研究兴趣和动能。我们医学图像计算机辅助诊断实验室在过去的五年中专注于从医学图像中提取有效的图像特征和优化多特征的机器学习模型。目的在于预测癌症风险，分辨良恶性肿瘤，预估癌症和中风病人的预后和治疗反应。在本演讲报告中，我将简单介绍和讨论我们实验室在2018年在研究发掘新型医学图像特征标志物领域发表的几篇研究论文和取得的新的初步研究成果。其中包括（1）将计算机辅助诊断应用于新型增强型乳腺钼靶图像以提高对于良恶性肿瘤分辨的精确度，（2）一个优化乳腺钼靶图像特征的方法应用于预测近期乳腺癌发病风险，（3）应用传统计算机辅助检测结果预测近期乳腺癌风险，（4）建立一个基于CT图像特征的对于卵巢癌化疗效果的早期预测模型的优化方法，（5）为中风病人的预后评估提供定量分析的计算机辅助检测的平台，（6）采用深度学习的方法实现相关图像区域的自动分割，以便提高计算机辅助检测和诊断的效能。