近日，我校生物医学工程学院冯前进领衔的研究团队，在《ieee transactions on medical imaging》（tmi）杂志上发表2篇高水平论文，这两篇论文题目分别为“correlation-weighted sparse representation for robust liver dce-mri decomposition registration”和“hippocampus segmentation based on iterative local linear mapping with representative and local structure-preserved feature embedding”，我校博士后周宇佳和16级博士庞树茂分别为这两篇论文第一作者，冯前进为通讯作者。
tmi杂志是医学成像和医学图像分析领域的顶级期刊之一，2018年影响因子为7.816。第一作者为周宇佳的研究基于时间信号曲线空间中，增强空间和非增强空间的高度组间差异性和组内相关性，将原始dce-mri时间序列空间分离成增强空间和非增强空间。利用相关性加权约束，保证分离的精确性。分离后的非增强空间中的图像序列将用于指导原始dce-mri时间序列的配准。模拟和真实临床数据结果表明，该研究的实验结果是现阶段文献报道的最高配准精度。第一作者为庞树茂的研究提出在自编码器中加入局部结构保留的流形正则化，基于输出流形上相似的样本在特征空间中也相似的假设，对mr图像提取到有鉴别力的特征，提出迭代局部线性映射方法对mr图像海马体实现了精确的自动分割，该研究成果有助于阿尔兹海默症的辅助诊断。
另外，冯前进领衔的研究团队还在《medical image analysis》（mia）杂志上发表题为“direct automated quantitative measurement of spine by cascade amplifier regression network with manifold regularization”的研究论文，我校16级博士庞树茂为该论文第一作者，冯前进为通讯作者。mia杂志是医学图像分析领域的顶级期刊之一，2018年影响因子为8.88。该研究利用人工智能技术，提出级联放大器回归网络、局部结构保留的流形正则化以及自适应局部形状约束的流形正则化，首次对mr图像中腰椎椎体高度和腰椎间盘高度的30个指标进行精确自动测量，该研究有助于椎间盘退行性变、腰椎间盘突出等脊柱部位疾病的辅助诊断。
