【课题推荐发表期刊】

【课题背景】

医学影像分析在疾病诊断和治疗中至关重要。它为疾病的早期诊断、精准治疗以及疗效评估提供了关键依据。随着科技的飞速发展，人工智能技术，尤其是深度学习和生成模型的兴起，为提升医学影像的自动化分析精度和效率提供了新可能。这些技术能够高效处理海量影像数据，挖掘其中的复杂模式，从而显著提升分析的精度和效率，减少人为误差，为临床决策提供更有力的支持。

本课题旨在研究人工智能技术在医学影像中从数据预处理、特征提取到疾病检测与分割的全流程应用，尤其关注心血管疾病和肿瘤检测的场景。

【课题方向参考】

• 利用生成对抗网络（GAN）提升医学影像数据的分辨率及质量重建。

• 基于自监督学习的医学影像数据表征学习方法，优化小样本场景下的模型性能。

• 多模态医学影像（如MRI、CT）联合分析算法，构建跨模态数据的统一表征。

【适合人群】

本科以上，会使用python

【课题收获】

• 高质量论文一篇（SCI/CCF定向期刊）

• SCI/CCF期刊投递与发表指导

• 结业证书

【导师介绍】

Dr. Zhou，C9高校计算机博士，QS10高校博士后

• 累计发表发文总数30+，SCI一区15+（Nature子刊，TMI，MEDIA等），其中第一作者12篇，包括计算机科学和医学方面的出版物：MICCAI（医学成像顶级计算会议，CORE排名A），Nature Cardiovascular Research, IEEE Transactions on medical imaging (TMI), Medical Image Analysis (MEDIA)（医学成像顶级期刊）

• H-index: 13（截至2025年1月4日）

• 担任MICCAI 2022-2024（医学影像领域顶级计算会议，核心A级）、TMI、MEDIA、Scientific Reports、MICS、CSUR（医学影像领域顶级期刊）审稿人

• 辅导过10-15名学生，辅导学生发过SCI文章、CCF B论文、毕业论文，成功率100%

• 擅长给一个idea，引导学生自我启发，从实验到发表，完成整个项目

• 可提供课题基金申报指导、保研指导、申博指导、海外高校申请指导；可提供开源代码并指导复现；可提供部分开放研究数据；可撰写推荐信；期刊内推资源；就业/实习机会推荐

【课题安排】

研究周期预估六个月左右，具体视学员情况调整。

【推荐阅读】

2024 Application of artificial intelligence digital holography technology based on medical sensors in the development of medical image fusion

2024 The application of artificial intelligence algorithms for the generation of synthetic medical imaging data

2024 ATOMMIC: An Advanced Toolbox for Multitask Medical Imaging Consistency to facilitate Artificial Intelligence applications from acquisition to analysis in Magnetic Resonance Imaging