近日，我院大连理工大学-立命馆大学健康医疗智能计算联合研究中心科研团队在眼底视网膜血管分割和低剂量CT图像超分辨率方面研究新成果被医学图像分析领域国际顶级学术会议MICCAI 2022（Medical Image Computing and Computer Assisted Intervention Society）录用。MICCAI由国际医学图像计算和计算机辅助干预协会(Medical Image Computing and Computer Assisted Intervention Society)举办，是跨医学影像计算(MIC)和计算机辅助干预(CAI)两个领域的综合性国际权威学术会议。

研究成果“Local-Region and Cross-Dataset ContrastiveLearning for Retinal Vessel Segmentation”由我院徐睿副教授、研究生赵佳新、叶昕辰副教授、研究生武鹏程、王智慧教授、李豪杰教授和立命馆大学情报理工学部陈延伟教授共同合作完成，针对现有方法存在细节结构（毛细血管、血管边缘和分叉处）识别困难、网络参数量大、分割的血管不连续等问题，提出了一个新的基于有监督对比学习的视网膜血管分割框架，在不添加复杂网络模块的情况下，增强U-Net的特征嵌入能力。该框架包括局部区域对比学习策略和跨数据集对比学习策略，前者旨在更有效地区分容易与周围局部区域内容易发生特征混淆的像素；后者旨在通过充分挖掘整个数据集的全局上下文信息来进一步增强模型学习的特征。实验表明，提出的方法能够使U-Net学习一个更强大的特征嵌入空间，有效识别出更多的细节结构，提高了模型的分割性能，并且显著地改善了分割血管的连通性。

研究成果“Low-Dose CT Reconstruction via Dual-DomainLearning and Controllable Modulation”由我院叶昕辰副教授、研究生孙铮、徐睿副教授、王智慧教授、李豪杰教授共同合作完成，针对低剂量的医学影像进行超分辨率重建，并且根据临床需要，调节不同程度的重建效果。同时为了解决这些现有医学图像重建方法中，图像域交互利用率低的问题，提出了一种基于双域学习和可控调制的低剂量CT重建框架。提出了一个双域基网络，以充分解决图像域和正弦图域之间的相互依赖关系。在此基础上，集成了一个可控的调制模块来调整基网络的潜在特征，通过考虑伪影减少和细节保留之间的权衡来细粒度地控制重构，以协助医生进行诊断。在Mayo数据集和私有数据集上的实验结果表明，该方法能够根据不同需要重建医学图像，同时具有良好的性能。

大连理工大学-立命馆大学健康医疗智能计算联合研究中心简介

大连理工大学-立命馆大学健康医疗智能计算联合研究中心成立于2018年6月，主要依托于大连理工大学-立命馆大学国际信息与软件学院进行建设，是大连理工大学和立命馆大学深入开展国际化合作办学的产物。联合研究中心在医疗健康和信息的交叉研究领域，搭建了国际化科研合作和交流的平台，设立了“国际化科研交流合作促进项目”，资助相关科研人员深入开展在ICT（信息计算技术）、医疗和健康领域的国际化科研合作。联合研究中心的主要成员是大连理工大学软件工程、生命和生物信息工程学科和立命馆大学情报理工学部的教学科研人员，重点研究内容是人工智能为代表的信息技术及其在医疗和健康领域中的应用。自研究中心成立以来，双方科研人员积极开展交流合作，共同发表多篇学术论文，包括著名国际会议MICCAI、AAAI、ICME、ICASSP等，以及著名学术期刊TPAMI、TMI、TIP等，已获得国家自然科学基金资助的重点国际合作交流项目1项。

责任编辑：潘树孟