生命学院类脑计算团队博士生在医学人工智能顶级期刊连续发表2项研究成果电子科技大学成电新闻网

分享到微信 ×

打开微信“扫一扫”
即可将网页分享至朋友圈

生命学院类脑计算团队博士生在医学人工智能顶级期刊连续发表2项研究成果

文：谭玉博、李永杰图：谭玉博来源：生命学院时间：2023-12-05 5722

　　近日，生命科学与技术学院（神经信息教育部重点实验室）视觉认知与类脑计算团队博士生谭玉博以第一作者，在医学成像领域国际顶级期刊IEEE Transactions on Medical Imaging（中科院大类分区1区TOP期刊）和Knowledge-Based System（中科院大类分区1区TOP期刊）连续发表了2篇眼科影像智能分割方面的研究论文。其中，第一篇论文的题目为“Retinal Layer Segmentation in OCT images with Boundary Regression and Feature Polarization”（基于边界回归和特征极化的OCT图像视网膜层分割），通讯作者为该团队的李永杰教授和杨开富副研究员；第二篇论文的题目为“Deep Matched Filtering for Retinal Vessel Segmentation”（基于深度匹配滤波的视网膜血管分割），通讯作者为该团队的李永杰教授。

　　青光眼、糖尿病性视网膜病变等是全球发病率较高的眼科疾病，会导致人的视网膜发生异常形变，病况严重则会致盲。光学断层扫描（OCT）技术作为一种无创的眼底成像技术，可以较为方便地显示视网膜结构，用于这些眼科疾病的大规模筛查。在第一篇论文中，研究者提出了一种结合Vision Transformer和残差网络的双通路分割模型（图1上），以综合利用两者分别擅长捕获特征长距离依赖和局部细节的特点。为了抑制假阳性分割（图2第一行），该方法引入了多类别特征均匀极化的损失约束（图1左下），增强了该网络特征表示的鲁棒性。另外，该方法以视网膜层逐层相连的生理结构知识出发，提出了不同视网膜层边界的空间梯度正则化和边界回归正则化技术（图1右下），改善了传统OCT图像分割方法的预测结果中边界偏移的问题（图2第二行）。

图片1.png

　　图1. 所提出的视网膜层分割模型整体框架（上），特征极化技术（左下）和边界回归技术（右下）。

图片2.png

　　图2. 所提出方法对于图像噪声、模糊边界等干扰的假阳性抑制能力对比（第一行），以及有血管伪影情况下的边界偏移抑制能力对比（第二行）。

　　对于有些严重的眼底疾病（如早产儿视网膜病变和心血管疾病），其病象会显示在视网膜血管的形态上，通过分析视网膜血管特征可以快速筛查相关疾病。眼底彩照作为一种廉价且无创的成像方式，可用于眼病的大规模筛查。在第二篇论文中，研究者从生物视觉机理出发，参考了视皮层细胞的反应特性和分布规律，提出了适用于血管纹理特征提取的深度学习网络（图3）。遵循视皮层简单细胞、复杂细胞和超复杂细胞从简单纹理到复杂纹理的感知规则，该方法提出了具有线性纹理感知功能的基本卷积层和特征提取骨干网络（图3左下），使得模型对血管结构的识别能力得到显著提升（图4）。研究者提出的各向异性增强模块则基于视皮层细胞朝向感知的理念（图3右下），进一步增强了对血管特征的提取和背景干扰的抑制（图4）。

图片3.png

　　图3. 所提出的眼底彩照血管分割模型整体框架。基于视皮层生理特性设计的血管分割模型（上），视皮层细胞分布规律示意图（左下），血管朝向与滤波响应特性（右下）。

图片4.png

　　图4. 所提出方法的眼底彩照图像血管分割能力。在低对比度区域的假阳性抑制能力（第一行）和血管连续性保持能力（第二行），在病变干扰时的假阳性抑制能力（第三行）。

　　总体而言，上述两个研究工作针对眼底彩照和OCT这两种常用眼科影像模态，成功实现了对血管、视网膜层等眼科生物标志物的精确分割。这两种算法不仅可以提高分割的精度和速度，大大节省医生的时间和精力，还可为后续的眼科疾病诊断（如糖尿病性视网膜病变、早产儿视网膜病变）提供更准确的数据基础。另一方面，它们也为医学影像处理和分析提供了新的研究思路和方法，对将生物视觉机理、医学先验知识和深度学习技术的进一步融合作了新的探索，为眼科影像技术的智能化发展作出了新的贡献。团队将继续深化研究，以期在未来为眼科疾病患者的高效诊疗提供技术支持。

　　谭玉博为生命学院“视觉认知与类脑计算”团队的博士生（硕博连读第四年），已经以第一作者发表中科院一区TOP期刊论文3篇 (含2篇IEEE T-MI) 、二区期刊论文1篇。此外，他还获得医学图像计算领域国际顶级会议MICCAI设置的OCT图像视网膜层分割竞赛第一名（first place）等科技竞赛奖励。

　　生命学院“视觉认知与类脑计算”团队依托于神经信息教育部重点实验室、科技部神经信息国际联合研究中心、高场磁共振脑成像四川省重点实验室、四川省脑科学与类脑智能研究院等平台，长期致力于大脑视觉认知机理、视觉计算模型、类脑视觉技术与应用研究（包括全天候计算机视觉、智能医学影像分析等）。团队目前有教授2人、副高3人、助理研究员1人，在读硕士及博士生30余人。近十多年来，先后承担973课题、脑计划项目课题、国家自然科学基金各级项目、各类省级项目等20余项，在重要期刊和会议发表论文200余篇，含神经科学类期刊（如NeuroImage、Human Brain Mapping等）、工程类期刊（如IEEE Transactions on PAMI/IP/MI/MM/ITS、IJCV、PR、KBS等）及国际顶级会议（如ICCV/CVPR/ECCV/ACMM等）；申请中国发明专利近60余项（其中已授权40余项），曾获吴文俊人工智能自然科学奖等。部分成果技术已在高铁线路巡检智能图像增强与损伤检测、医学图像组织分割与辅助诊断等工程问题中得到成功应用。

　　论文链接：

　　（1）https://ieeexplore.ieee.org/document/10255666

　　（2）https://www.sciencedirect.com/science/article/pii/S0950705123009358