编者按：
为提高科技成果转移转化成效，解决临床实际需求问题，助推产学研深度合作，医学与现代化工程技术的交叉融合正不断造福人类健康，成为突破医学“卡脖子”技术的重要途径。《中国组织工程研究》杂志联合辽宁省细胞生物学学会开设“医工融合理工科专家技术介绍”专栏，为临床需求问题提供技术对接信息来源。如果您有想要解决的临床需求问题，需要理工科专家的技术支持，欢迎与我们联系！
1.研究背景：
大脑作为人的行动和认知中心是科学家长期研究的重要对象，由于大脑隐藏在封闭的头颅内，大脑功能分析和疾病诊断等均具有较大挑战性。磁共振成像可无创地获得被测对象的清晰脑部结构，成为脑部疾病诊疗的重要依据。为能够更清晰对大脑中的特定部位进行观察或治疗，需将病灶位置从完整脑影像中勾画分割出来，但由于手动分割方式存在效率低下和结果不稳定等缺点，产生了对磁共振脑肿瘤影像的计算机辅助分割研究的迫切需求。近年来，随着深度学习在一系列计算机视觉和医学影像分析任务上获得的极大成功，探索将深度学习用于磁共振脑肿瘤影像的自动分割技术也引起了多个领域研究者的广泛关注。
2.技术介绍:
项目团队以对疾病诊疗和人类认知了解具有重要作用的磁共振脑影像为对象，以新一代人工智能中突破性的深度学习方法为依托，针对脑肿瘤影像分割中对比度低、形状差异大，以及精细标注样本数量不足等问题，探索了面向磁共振脑肿瘤分割的深度神经网络技术研究。项目团队通过引入先进的高阶统计特征建模和注意力机制方法，来加强深度学习分割模型对脑肿瘤的判别特征表达能力，实现了对小尺寸脑肿瘤边缘位置的更精确勾画；同时，开展了基于生成对抗网络的磁共振脑肿瘤分割技术，在一定程度上解决了训练深度学习模型时的精细标注样本数量不足问题。此外，基于项目技术初步开发了可视化的磁共振脑肿瘤影像自动分割系统，从而更好为脑肿瘤临床诊断和治疗提供辅助支持。
项目团队脑肿瘤分割领域研究成果已受到研究者广泛关注，2020年发表的脑肿瘤分割综述论文入选《中国图象图形学报》年度高关注论文和优秀论文、入选中国知网学术精要数据库高影响力论文（在肿瘤学领域他引总频次排名16/6126、PCSI指数排名33/6126），单篇脑肿瘤分割方法论文谷歌学术引用超过130次。项目团队围绕人工智能医学影像分析领域，已与大连大学附属中山医院、大连医科大学附属第一医院和辽宁省肿瘤医院开展了脑肿瘤分割、乳腺癌病理诊断等方向的合作研究，也希望能够与医院和企业更深入合作，争取早日实现技术产品的落地转化。
3.项目团队特色介绍：
大连民族大学张建新教授团队长期从事智能医学影像分析和计算机视觉领域研究，并着重于探索面向磁共振脑肿瘤分割、乳腺癌病理图像分类的高性能机器学习方法及应用系统研发工作。近年来，将计算机领域中突破性的深度学习技术与医学影像分析任务相结合，着重于引入具有更好特征表达能力的高阶统计特征建模和注意力机制方法，提出了面向磁共振脑肿瘤分割和乳腺癌病理图像分类的若干有效深度神经网络模型，受到了相关方向研究者的广泛关注。
张建新，大连民族大学计算机科学与工程学院教授、副院长，机器智能与生物计算研究所负责人，作为主持人或课题组长承担包括国家863计划、国家自然科学基金重大研究计划子课题/面上/青年项目、辽宁省应用基础研究计划等在内科研课题18项；作为主要完成人获辽宁省技术发明一等奖和辽宁省科技进步三等奖；在Neurocomputing、Computer-aided Design和自动化学报等国内外重要刊物上录用或发表学术论文106篇，授权国家发明专利9项和软件著作权15项；入选辽宁省“百千万人才工程”百层次、国家民委中青年英才和大连市高端人才，是中国计算机学会计算机应用专委会执行委员、中国图学学会动漫图学工程专委会委员、辽宁省细胞生物学学会专委会副主任和辽宁省图学学会常务理事。
4.临床痛点：
由于脑肿瘤位置不固定、尺寸和形态多样性等特点，以及现实存在的脑肿瘤分割精细标注样本数量不足与深度神经网络模型训练的大量标签数据需求等问题，基于深度学习的磁共振脑影像分割模型的鲁棒性和泛化性仍较为有限，其距离规模性临床应用仍有一定差距，相关技术与应用也仍需更深入探索。
5.临床合作需求：
针对具体的临床问题，寻找医工交叉合作点，如何能够形成新的临床解决方案，或者对临床有促进，或者能够帮助一些临床问题的研究。
希望能够与肿瘤科和病理科进行合作，实现临床应用的脑肿瘤、乳腺肿瘤计算机辅助分割和病理诊断相关技术和产品研发。