学位论文简介
随着医学影像技术的快速发展，影像分析已成为疾病诊断不可或缺的一环。然而，大规模影像数据加重了影像科医师工作量；且医学影像存在对比度低、模糊、伪影等问题，传统阅片方式在加重工作负担的同时，更易产生误诊、漏诊。因此，本文尝试通过研究医学影像中病灶检测的关键技术，辅助医生诊断，减轻医生工作负担。具体内容如下：
针对深度学习对边界关注度低，阈值选取的轮廓不够平滑准确等问题，提出基于参数主动轮廓模型与深度学习结合实现单发性病灶边界定位的方法，帮助曲线克服在均匀场中移动缓慢的缺陷，减少人工挑选参数的工作，使病灶边界定位更准确。
针对参数主动轮廓模型无法实现拓扑变化并同时定位多个病灶边界等问题，提出基于测地线主动轮廓与深度学习结合的多发性病灶边界同时定位方法，解决测地线主动轮廓易在弱边界泄露的问题，避免出现异常数值，使定位出的边界平滑准确。
针对大部分检测算法仅基于单帧图像训练，且其检测模型在视频检测上不连贯、不关注周围重要器官及病灶个数无法统计等问题，提出基于时序上下文关系实现视频病灶和周围重要组织实时检测与跟踪的方法，统计周围组织和病灶个数，辅助医生诊断。
针对现有病灶检测算法或如“黑盒”系统或只能诊断单帧图像等问题，提出基于医学知识实现视频病灶风险分级和良恶性诊断的方法，不仅能处理任意长度的病灶序列，还能降低计算成本，为医生提供可解释依据，提高诊断效率，减轻医生工作量。
主要学术成果
Wu, Xiangqiong and Tan, Guanghua and Li, Kenli and Li, Shengli and Wen, Huaxuan and Zhu, Xianyi and Cai, Wenli. Deep Parametric Active Contour Model for Neurofibromatosis Segmentation [J]. Future Generation Computer Systems, 2020: 58-66. (SCI, 第一作者)
Wu, Xiangqiong and Tan, Guanghua and Zhu, Ningbo and Chen, Zhilun and Yang, Yan and Wen, Huaxuan and Li, Kenli. CacheTrack-YOLO: Real-Time Detection and Tracking for Thyroid Nodules and Surrounding Tissues in Ultrasound Videos [J]. IEEE Journal of Biomedical and Health Informatics, 2021: 3812-3823. (SCI, 第一作者)
Wu, Xiangqiong and Tan, Guanghua and Pu, Bin and Duan, Mingxing and Cai, Wenli. DH-GAC: Deep Hierarchical Context Fusion Network with Modified Geodesic Active Contour for Multiple Neurofibromatosis Segmentation. Neural Computing and Applications, 2022. (Accepted, SCI, 第一作者)
Wu, Xiangqiong and Tan, Guanghua and Chen, Zhilun and Luo, Hongxia and Li, Shengli and Li, Kenli. Knowledge-interpretable multi-task learning framework for automatic thyroid nodule diagnosis in ultrasound videos. Medical Image Analysis. (Major revision, SCI, 第一作者)
Luo, Hongxia and Ma, Laifa and Wu, Xiangqiong and Tan, Guanghua and Zhu, Hui and Senmin, Wu and Li, Kenli and Yang, Yan & Li, Shengli. Deep learning based ultrasonic dynamic video detection and segmentation of thyroid gland and its surrounding cervical soft tissues[J]. Medical Physics, 2021: 382-392. (SCI, 第三作者)
