个人简述:

本人的主要研究方向为医学图像处理与机器学习。（1）医学图像分割是医学图像处理与分析领域中复杂而又关键的步骤，其目的是从医学图像中分割出具有某些特殊意义的部分，然后提取相关特征，为临床治疗和病理学研究提供可靠的依据，从而辅助医生作出更加准确的诊断。由于医学图像的复杂性，以及目前医学成像技术上的特点，在分割过程中需要解决成像的不均匀性以及个体之间的差异性等一系列问题，使得医学图像的分割变得越加困难，所以一般用于自然图像的分割方法难以直接应用到医学图像的分割，而且至今仍没有一种通用的分割方法可以有效地应用到不同的医学图像分割任务中。基于上述原因，本人针对两个具体的分割任务提出了两种基于学习的分割算法，相关论文已在杂志Neuroimage（SCI，一区，6.13）以及IEEE Transactions on Biomedical Enginerring（SCI，二区，2.4）上发表。（2）影像与基因数据之间的相关性分析属于全基因组关联分析（Genome wide Association Study, GWAS），是分析神经疾病基因作用的有效方法。阿尔兹海默症（Alzheimer’s Disease, AD）患者的脑部图像与基因数据之间的相关性分析对AD的预防和治疗具有重大的意义。然而，由于图像和基因数据数目的庞大，GWAS方法存在分析过程复杂、计算量大等问题。基于上述原因，本人提出一种有效快速的AD基于点的GWAS方法，以期实现有效快速的AD图像与基因数据的相关性分析，为临床对AD的预防和治疗提供实时有效的分析工具。相关论文已在杂志Neuroimage（SCI，一区，6.13）上发表。