上海交大溥渊教师周维民发文医学影像顶刊 IEEE Transactions on Medical Imaging

近日，上海交通大学溥渊未来技术学院长聘教轨助理教授周维民博士在医学影像领域国际著名顶级期刊IEEE Transactions on Medical Imaging发表研究论文“Ideal Observer Computation by Use of Markov-Chain Monte Carlo with Generative Adversarial Networks”（使用马尔可夫链蒙特卡洛和生成对抗网络的理想观察者计算）。该研究由上海交通大学溥渊未来技术学院周维民教授主导，与美国伊利诺伊大学厄巴纳-香槟分校（UIUC）生物工程系系主任Mark Anastasio教授合作完成。周维民教授为第一作者及通讯作者，Mark Anastasio教授为共同通讯作者。此外，该工作还得到德克萨斯大学奥斯汀分校（UT-Austin）奥登计算工程与科学研究所研究员Umberto Villa博士的大力支持。IEEE Transactions on Medical Imaging是医学影像领域公认的最顶级期刊，中科院一区Top期刊。

基于任务的图像质量是某一观察者在特定任务（如肿瘤检测任务）中表现的量化指标，被学术界、工业界、FDA广泛用于指导医学成像系统的评估和优化。贝叶斯理想观察者以最佳方式执行特定任务，它在特定任务中的表现可以用作评估和优化医学成像系统的品质因素。然而，除了极少数的简单成像场景，贝叶斯理想观察者的计算是非常困难甚至是无法实现的。本研究提出了名为MCMC-GAN的通用方法，通过结合马尔可夫链蒙特卡洛（MCMC）与生成对抗网络（GAN），实现了在复杂成像场景中的贝叶斯理想观察者计算，对成像系统的客观评估及优化有重要作用。