我校生物醫(yī)學工程學院謝勤嵐教授所在智能醫(yī)學工程與儀器團隊長期從事醫(yī)學人工智能、醫(yī)學圖像處理和分析,、深度學習,、模式識別和醫(yī)學3D建模等相關研究。8月7日,，研究生陳勇在國際重要期刊IEEE Journal of Biomedical and Health Informatics發(fā)表了在謝勤嵐教授團隊指導下完成的成果SSCFormer: Revisiting ConvNet-Transformer Hybrid Framework from Scale-Wise and Spatial-Channel-Aware Perspectives for Volumetric Medical Image Segmentation（https://doi.org/10.1109/JBHI.2024.3392488）,。

此前，陳勇已在Biomedical Signal Processing and Control發(fā)表ATFormer: Advanced transformer for medical image segmentation（https://doi.org/10.1016/j.bspc.2023.105079）,，在Computers in Biology and Medicine發(fā)表Collaborative networks of transformers and convolutional neural networks are powerful and versatile learners for accurate 3D medical image segmentation”（https://doi.org/10.1016 /j.compbiomed.2023.107228）兩項重要成果,。上述成果的第一作者均為陳勇,，謝勤嵐教授團隊導師為通訊作者，我校為論文唯一或第一署名單位,。

準確和魯棒的醫(yī)學圖像分割對于疾病診斷,、治療規(guī)劃和病程監(jiān)控有重要意義。對于高精度自動分割方法而言,，適應尺度變化和感知感興趣目標的能力至關重要,。然而，現有多尺度建模的方法難以有效地利用分級編碼器中各尺度之內和之間的多尺度特征,。此外,，感知感興趣目標的全局注意力和縮放注意力沒有被適當地結合，挖掘顯著特征的能力有限,。

針對以上這兩個問題,，陳勇在團隊導師的指導下，提出了融合卷積神經網絡和Transformer的方法,，開發(fā)了3種醫(yī)學圖像分割算法,，在腹部多器官分割、新冠肺炎病灶分割,、心臟分割,、腦腫瘤分割、左心房分割,、肺部腫瘤分割等方面取得了先進的性能,，在IEEE J. Biomed. Health Inform.、Comput. Biol. Med.和Biomed. Signal Process. Control.等期刊發(fā)表了系列成果,，為醫(yī)學圖像分割方法提供了指導意義,，也為相關研究領域的發(fā)展作出了積極貢獻。