南科大计算机系在计算机应用技术方向取得突出成就

Release Time:2020-12-30

南方科技大学计算机科学与工程系成立四年以来,逐步建成了一支面向地区发展需求、专注计算机应用技术方向的具有鲜明特色的高水平研究团队。计算机应用技术方向专任教师包括三名国家级专家,其中有两名国家级专家,一名国家级青年专家。目前,在医疗影像处理领域已建立了一只包括深圳市第一人民医院,康宁医院、南科大医学院的医疗影像处理联合研究团队。在智慧城市领域,建立了南方科技大学-东京大学超智慧城市联合研究中心,研发了人流大数据和AI驱动的新型冠状病毒传播建模预测和模拟推演平台,并应用于精准防疫。

 

人才济济,助力南科大计算应用实力

刘江教授于2019年2月全职加入南科大,国家级专家。曾在新加坡工作近30年。其研究领域为眼脑联动、精准医疗、手术机器人、人工智能。刘江教授曾与中山大学中山眼科中心、新加坡眼科研究中心、新加坡健保集团、日本TOPCON集团、日本TOMEY集团等国际知名研究机构、医疗集团开展相关医疗技术合作研究,曾主持包括新加坡国家科研项目在内的约20余项科研项目,总经费超过1亿2千万元。在IEEE-TMI、JIAMA、CVPR、MICCAI等行业顶级国际期刊和会议发表300余篇,申请了50多项国际和国内专利,国际企业专利授权十余项。连续10年刷新基于杯盘比的青光眼人工智能诊断世界纪录。

liujiang电子照片.jpg

刘江教授

张建国教授于2019年9月从英国全职加入南科大,国家级专家。主要从事计算机视觉以及医学图像处理研究,他发表论文90余篇, 包括IJCV、PAMI,NeuroImage等30余篇期刊文章和CVPR,MICCAI等60余篇国际著名会议文章,一作论文最高单篇引用2.4K+次(谷歌学术)。出版Springer 编著一部、Ventus Publishing 专著一部。多次获国际科研挑战赛冠军,曾以第一完成人问鼎PASCAL第一、二届国际顶级目标识别科研冠军、两次获国际著名会议最佳论文奖。任IEEE TMM, JCST 等编委、英国高等教育学会Fellow。主持过英国EPSRC、皇家学会以及中国国家自然科学基金项目多项。

123张建国.jpg

张建国教授

宋轩副教授2019年1月从日本全职加入南科大,国家级青年专家。主要研究方向为大数据分析、数据挖掘和普适计算等。他在计算机领域知名国际期刊和会议上发表各类论文100余篇,其中发表在 JCR 一区或中国计算机协会推荐的 A 类期刊会议论文超过30 篇。2017 年入选了日本国家卓越研究员计划(日本国家最高级别青年人才战略培育计划,当年仅 72 人入选,唯一中国籍入选者),先后主持日本国家科学技术振兴机构(JST)、日本学术振兴会(JSPS)以及日本国土交通省项目。

123宋轩微信图片_20200820161632.jpg

宋轩副教授 


科研平台,推动计算机应用产学研合作

【晶状体结构分割与白内障筛查诊断平台】——刘江教授课题组

白内障是全世界导致视觉损害和致盲的主要眼科疾病,在临床表现为眼睛的晶状体发生混浊。2019年国务院政府工作报告指出,我国60岁以上人口已达2.5亿,其中60岁以上的老年人白内障发病率高达80%以上。按80%发病率估算,目前我国白内障患者人数已达2亿。

白内障可通过白内障手术来改善患者的视力,中国目前白内障复明手术量每年约有300万例,年复合增长率达到16.3%。然而,目前大多数研究主要针对白内障筛查通过不同模态眼科图像,缺乏对晶状体结构进行精准分割和对晶状体不同位置的白内障分级模型。我校联合日本Tomey公司、中山大学和广州视源电子科技股份有限公司共同研发了一个基于眼前节OCT图像的晶状体结构分割与白内障筛查诊断平台。该平台可实现晶状体结构的精准分割和对晶状体不同位置的白内障进行精准分级,并通过可视化结果辅助眼科医生进行诊断和进行精准的白内障术前风险评估。

该平台已经于2020年底部署在Tomey公司CASIA2眼前节OCT仪器上,辅助眼科医生更精确地对白内障进行诊断,帮助千万白内障患者重见光明和改善视力,造福社会和个人。目前,该平台的核心技术已经申请五项专利和发表了三篇学术论文。目前,还在和Tomey公司紧密合作,共同推进相关研究成果的落地,为中国的眼健康事业做出力所能及的贡献。

微信图片_20201223160703.jpg

刘江教授课题组

 

【智能医疗影像分割原型平台】——张建国教授课题组

智能医学图像分割是医学影像分析的核心任务之一,在临床诊断中发挥着至关重要的作用。计算机系CVIP实验室以构建高精度医学图像分割模型为目标,致力于搭建智慧医疗图像分割原型平台。目前,实验室已在脑白质高亮区域分割,多模态医学图像分割以及胸部X光图像异常检测等方面取得杰出进展。

多模态数据因成像原理不同而能够提供多种层面的信息,结合多模态图像分割的信息能够更好地辅助临床诊断。由于不同模态的图像在空间上通常没有很好地对齐,导致了现有的医学图像方法无法对非配对图像进行很好的知识迁移,构成了跨模态医学图像分析的一大挑战。现有的基于深度学习的方法主要考虑跨模态共享可训练层,并最大程度地减少视觉特征差异。虽然通常的解决方案是联合监督的特征学习,但尚未探索多尺度特征和特定于类的表示形式。我们现提出了一种针对多模态图像分割的亲和度完全卷积网络。为了学习有效的表征,该平台设计了特定于类的亲和度矩阵,以对分层特征推理的知识进行编码,并与共享的卷积层一起确保跨模态泛化。该平台的亲和力矩阵不依赖于视觉特征的空间排列,因此允许使用不成对的多模态输入进行训练。该平台在两个公开的多模态基准数据集上对方法进行了广泛的评估,其性能优于最新方法。在胸部X光肺部异常检测方面,为了便于进行大量的常规医学检查,我们联合中山大学有关研究人员,提供了一种基于重构不确定性预测自编码器的胸部X光图像异常检测。该自编码器只使用健康图像数据进行训练,同时输出该图像的重建结果和对重构结果逐像素不确定性的估计。使用输出的逐像素不确定性估计归一化重建误差,从而为图像中的异常检测提供更好的度量。使用该方法,能够极大抑制正常区域的重构误差,并将异常区域凸显出来,方便进行下一步的定位或分割任务。该算法目前在两个公开的胸部X光数据集上取得了世界领先的异常检测性能。胸部X光检查已被广泛用于年度医学检查,其主要目的是检查肺部是否健康。基于核磁共振图像的脑部白质高亮区域分割对于判断脑部疾病和个性化诊疗至关重要,CVIP在此方面也做出了有特色的前期工作,联合德国慕尼黑大学等著名院校,提出了一种基于多尺度全卷积深度学习的自动分割技术,其分割性能和跨设备泛化性能在国际顶级科研竞赛中获得第一名。相关代码和软件已经开源,在国际上吸引了很大的关注。

123微信图片_20201229152852.jpg

张建国教授课题组

 

【人流大数据和AI驱动的新型冠状病毒(COVID-19)传播建模预测和模拟推演平台】——宋轩副教授课题组

新型冠状病毒的感染传播与人流移动存在密不可分的关联。新冠疫情爆发初期,宋轩课题组紧急研发了“人流大数据和AI驱动的新型冠状病毒(COVID-19)传播建模预测和模拟推演平台”,该平台是一个针对新型冠状病毒传播的大数据分析和AI建模平台(如图1)。该平台一经发布,获得了学习强国平台、中国网、中华网、科技日报、中国科技网等国家级媒体的广泛报道,并多次为国内科研单位和机构输出模拟推演结果。目前,平台的相关核心技术已申请国内国际专利四十余项,部分专利已经获得了国家专利局的紧急授权。目前,我校已经同深圳市疾控中心和深圳市智慧城市科技发展集团有限公司签署合作协议,共同推进相关研究成果落地,为新冠疫情和重大传染病常态化精准防控提供助力。

微信图片_20201021173304.png

人流大数据和AI驱动的新型冠状病毒(COVID-19)传播建模预测和模拟推演平台

123微信图片_20201021170717.jpg

宋轩副教授同深圳市疾控中心和深圳市智慧城市科技发展集团有限公司签署合作协议推动平台落地,助力常态化精准防疫