近日，我校智能医疗器械与主动健康协同创新团队的刘巧红教授带领其研究生团队针对结肠镜下的息肉分割问题在国际著名期刊上发表多篇文章。其中，2021级研究生林元杰等人完成的研究工作“CSwinDoubleU-Net: A double U-shaped network combined with convolution and Swin Transformer for colorectal polyp segmentation”在国际著名期刊《Biomedical Signal Processing and Control》上发表。该期刊是由Elsevier出版，专注于临床医学和生物科学中信号与图像的测量与分析研究，为中科院2区期刊，最新影响因子为5.1。林元杰同学为论文第一作者，导师刘巧红教授为通讯作者。
文章链接:https://doi.org/10.1016/j.bspc.2023.105749
该团队另外一个研究工作“DFETC-Net: Dual-branch feature extraction network combined with Transformer and CNN for polyp segmentation”发表在国际著名期刊《International Journal Of Imaging Systems And Technology》上。该期刊是由WILEY出版，专注于人类和动物影像学的医学研究，包括影像物理学和信息学，为中科院4区期刊，最新影响因子为3.3。刘巧红教授为论文第一作者，林元杰同学为论文第二作者，杨晖教授为论文通讯作者，我校为该论文第一完成单位及通讯单位。
文章链接:https://doi.org/10.1002/ima.22987
结肠癌是最常见的癌症之一，也是全球第三大死亡原因。结肠癌与息肉的产生和发展密切相关，目前通过筛查发现息肉，可以有效预防结肠癌。在临床应用中，准确的息肉分割技术对于提供病变信息和后续诊断的可靠参考具有重要意义。论文一针对卷积神经网络容易忽略全局上下文信息，从而导致处理息肉与周围组织的类间差异和环境干扰问题上能力不足，以及现有分割模型往往不能充分挖掘和补充编解码器的输出信息，导致特征聚合能力较弱等问题，提出了一种结合CNN和Swin Transformer的双U型分割网络CSwinDoubleU-Net。论文二针对Transformer缺乏细粒度局部多尺度信息，无法为低级局部细节提供足够的信息获取，从而缺乏处理类内差异和图像采集过程中的质量问题上能力不足的问题，提出了一种结合了Transformer和CNN的新型双分支特征提取网络DFETC-Net。通过公开数据集和临床实际数据集验证了提出模型的有效性和泛化性能，为医疗辅助决策提供支持。
这些成果的产出不仅标志着我校科研团队在结肠息肉图像分割领域取得了重要进展，提升我校在智能医学影像领域的影响力，同时也证明我校在研究生创新能力培养方面取得了重大进步，提升了研究生培养质量。未来，学校将不断提高研究生培养水平，孵化更多研究生高水平成果。
我要投稿
