国内优秀的医学图像处理实验室/团队有哪些？

心中u你

目前海外读博，之后可能想和国内的一些高校的实验室/团队合作有关医学图像处理（主要是视网膜图像处理）的项目，想知道有没有什么相关的优秀团队大家知道的可以推荐一下。
能提到一两个也行，会在调查之后把答案汇总好贴出来。

原文地址：https://www.zhihu.com/question/445804282

长长的路

那当然要说到北京中医药大学与和鲸共建的健康医疗人工智能实验室啦！
2024 年 3 月开学季，北京中医药大学（简称“北中医”）的健康医疗人工智能实验室迎来了正式投入使用后的第一堂课。除了配备全新的桌椅和尖端的硬件服务器外，实验室还引入了先进的人工智能实训平台，为大数据管理与应用专业的师生提供了一个现代化的教学与科研环境。
事实上，早在 2019 年北中医成为全国首个获批“大数据管理与应用”本科专业的医学院校时，学校便开始了实验室的规划与建设。
2022 年，“大数据管理与应用”专业获批北京市一流专业；
2023 年，软科中国大学专业排名 42（B+级）；
在专业的建设与发展上，北中医步伐稳健，但实验室却历经四年才终于落地。
北中医管理学院医疗大数据与信息管理教研室副教授韩爱庆老师告诉我们，实验室从无到有的四年，也是“AI+医学”实现跨越式发展的四年。这一过程中，实验室的建设需求不断迭代与细化，从方案确定、实施到深入调研了 22 家企业，再经过多轮试用和反馈，专业的教师团队投入了大量心血和努力才最终造就了这个“集大成”的实验室。


2019 年，现代人工智能与医疗大数据广泛的应用前景刚开始初现端倪；
2023 年，人工智能大模型技术的爆发开启了数智医疗的奇点时代。
北中医实验室的建设之路，一定是具备着极大的学习和借鉴价值的。

01 三大核心需求：聚焦交叉应用型数据科学人才培养

北中医的大数据管理与应用专业依托公共管理学科的深厚底蕴，借助“双一流”学科优势，致力于大数据分析的理论和方法在中医药领域应用的科学研究与人才培养。
解决师生在教科研过程中遇到的种种实际问题，是实验室建设的首要目标。
1.1 教学需求

“AI+医学”持续升温，从精确诊治、预后判断到新药发现、医院管理，数字技术在医学领域的各个环节都展现出了深远的应用潜力；但与此同时，交叉创新的人才也成为了行业共性的“卡脖子”问题。对此，韩教授展示了北中医的人才培养路径。
“我们想要培养的是交叉应用型数据科学人才，信息技术、经典数据分析、以及现代数据分析都是学生必须要掌握的核心专业知识。”



北中医的交叉应用型数据科学的人才培养路径

在此路径下，70% 的专业课程都需要依托实验室环境进行，但现有的实验室排课却已经达到了饱和；同时，随着人工智能、深度学习课程的引入以及大四学生毕业设计课程的需要，师生对于 GPU 算力和人工智能实训平台的依赖也日益增加。
1.2 科研需求

实验室的使用场景并不仅限于教学，在推动科研创新方面，学院也期待它能发挥核心作用。
医学科研领域正经历着由人工智能和深度学习技术引领的转型，无论是大数据挖掘还是医学影像诊断的应用，这些前沿技术都已成为研究的热点，并预示着未来趋势。
科研工作的深化，尤其是大数据分析和复杂模型训练，对计算资源提出了更高的要求。以师生们经常进行的舌象分割、穴位检测等相关研究为例，其计算密集型的特性就使得个人电脑或小型服务器难以完全满足使用。



师生做的部分研究展示

1.3 竞赛需求
“学生竞赛月”作为北中医的标志性校级活动，每年都会吸引众多校内以及 8 个附属医院的学生共同参与。
其中，由管理学院主导的医学数据分析大赛已步入第五届，该赛事为学生提供了一个宝贵的机会，让他们能够运用计算机技术、机器学习、人工智能和统计学等多学科知识与技能，解决医学领域的实际问题。
与其他类型的竞赛相比，数据分析竞赛不仅考验参赛者对数据的理解和分析能力，还涉及到代码、环境、算力等多种要素，因此，一个功能完备、稳定可靠的竞赛平台对于竞赛的筹备和顺利进行至关重要，这也成为了实验室建设规划中的一个重要考量点。



北中医的各类赛事与学生奖状

02 结缘和鲸：人工智能实训平台赋能课、研、赛

历经四年筹备，深入调研了 22 家企业，软件方面，北中医最终选择了和鲸 ModelWhale 平台，韩教授告诉我们，和鲸平台的综合能力受到了师生们的一致认可。
“ ModelWhale 确实满足了我们对实践教学、课程实训、学生竞赛、科研和团队管理等不同场景的需求。”



人工智能实训平台全景图

2.1 基础设施：人工智能实践环境

数据、算力和算法是构成人工智能应用的三大基石，建成的人工智能实践教学与综合实训平台首先便是要实现这三大要素的集中管理和优化配置。
2.1.1 数据：多源接入，安全流通
实验室的数据涉及到内部数据和外部数据的整合使用。内部数据主要来源于教师的科研项目和学生自主采集的数据，而外部数据则涵盖了与学校附属医院合作获得的医疗数据以及公开可访问的开放数据。
医学数据易涉及伦理问题，尤其是包含患者病历、诊断结果等隐私信息的医院数据，确保数据安全是首要任务。因此，老师们对于数据管理特别强调——要能安全流通。
使用时，师生可以安全地访问数据库、对象存储、NAS 中的数据，也可以上传本地数据。每组数据都设有独立的分享、使用、下载权限管理，既确保数据安全，又便于合理流通与共享。这也有助于不同课题组间的协同工作，能有效避免数据冲突和重复劳动。

2.1.2 算力：动态分配，弹性调度
平台将实验室配备的私有云算力资源进行了有效整合，算力可以根据核数与内存大小进行拆分，再按照使用需求精准分配给不同群体，比如 2C8G 的基础算力就分配给低年级学生上课使用，4C16G 的给到高年级学生实训使用，更高规格的算力分配给研究团队科研使用。针对大规模计算任务，老师还可以将多机多卡的 GPU 组成集群算力，达到成倍计算效率。
平台上线一个月的时候，韩教授高兴地向我们展示了目前的使用情况。
“ CPU 基础版已经用了将近 1200 个小时，实训版也用了 230 个小时，后面还有科研版，这些如果去外面租的话一年下来估计要十几万，现在就方便多了。”



资源使用界面展示

2.1.3 算法：在线运行，轻松管理
算法可能是老师的课件、学生的作业，也可能是科研的阶段性成果。实验室环境下，算法的“分享”属性被放大。
平台提供了云端运行环境，以项目为单位实现了算法、算力、数据、环境的集成，使得算法在课、研、赛场景下不仅能在线运行，共享给他人也更简便（后文将分场景展示）。

2.2 赋能教学、科研、竞赛三大场景

基础设施是支撑平台功能发挥的基石。在不同应用场景中，北中医管院的师生也能够利用平台的特性，实现多样化的目标和需求。

2.2.1 教学：课件可运行，作业云收发
很多学校都拥有校内教学平台，尽管能便捷地管理教学资源、作业、成绩，但往往缺乏集成编程环境——即便老师上传了包含代码的教学材料，学生也无法直接运行。北中医之前便是这样的情况。
新平台部署后，学生可以在课程系统内获取各类课件，并一键拉取数据、环境、算力运行代码，完成教学的实时互动；老师也能在线完成作业的收发和批阅。
作为一名喜欢布置实战类作业的老师，韩教授表示，“能方便地运行学生提交的作业，并帮助他们修改、创新代码，很大程度上提升了教学效果”。



课件代码在线运行



学生作业管理

值得一提的是，去年 9 月尽管私有化尚未部署完成，北中医管理学院就已率先在公有云上成功执行了一场《医学人工智能分析应用实践》课程的现场考核。
考核前期，老师将考卷配置入平台的课程系统内；
考核时，通过项目形式，考卷一键分发给每位考生，考生在各自的独立实践环境中在线作答；
考核结束后，老师结合人工评审和平台的自动评测功能，对考生的答卷进行了双重审核，更公平且高效。
创新的考核形式在当时也受到了好评。



考核现场照片

2.2.2 科研：自动标注省时省力，项目团队轻松管理
人工智能实践环境已能全面支持科研场景的各个环节，包括数据接入、数据处理、分析建模、模型评估以及部署应用，形成完整工作流。但北中医的老师们还特别关注了平台在数据标注上的能力——训练好的 AI 模型可以自动识别并标注出图像中的病灶区域，是人工智能在医学领域的重要应用之一。
此外，考虑到科研工作往往需要团队协作，围绕科研项目的团队管理也受到了老师们的重视。在平台上，一个复杂项目可以被拆分为多个子任务后分配给不同学生，任务的状态和成果将实时同步。
韩教授分享了他的使用体验：“以我们正在进行的舌象分类项目为例，我安排了两名学生负责数据采集，另外两名学生进行数据标注，在任务规划里我可以清晰地看到他们的完成进度。”



任务分配与进度示意

2.2.3 竞赛：发挥“以赛促教”的核心作用
5月9日，北京中医药大学第五届“和鲸杯”医学数据分析大赛正式启动，这标志着实验室建成后的首个重要赛事活动正式拉开帷幕。此次竞赛共设置两大赛道，均紧密结合了中医药的深厚底蕴与现代技术的尖端应用。其中，赛道一专注于“构建舌体分割模型”，参赛团队需构建高精度舌体分割模型，旨在通过计算机视觉技术体验中医诊断学的现代化进程。赛道二则聚焦于“中医药问答数据挖掘”，参赛者需运用 NLP、机器学习、深度学习等先进技术对神农中医药数据集进行深入挖掘，进一步了解提升医疗问诊质量。历经近一个月的激烈角逐后，8 支团队脱颖而出，此次竞赛的成功举办，不仅为北京中医药大学计算机教学改革注入了新的活力，也为培养具有创新精神和实践能力的交叉领域数据科学人才奠定了坚实基础。


“以赛促教”的核心其实还是在于通过竞赛的形式检验学生对知识的掌握程度和实际操作能力，通过平台，老师可以直接查看和运行学生提交的代码，深入了解学生的算法思路，验证能否真正跑通，并进行评分和提供反馈。这种直观的评审方式使得竞赛与日常教学有了更紧密的结合。
和鲸凭借其自主研发的竞赛系统和成熟的赛事服务，为本次竞赛提供全流程运营支持，保障赛事的顺利进行和参赛者的优质体验，也收获了众多参与师生的好评。
“感谢上海和今信息科技有限公司的技术支持，私有化本地部署的比赛平台，完美支持本次比赛算力资源和软件环境，还为获奖选手提供了玩偶奖品。”
03 面向未来：促进人工智能与中医药深度融合

2024 年国务院政府工作报告同时提出，要促进中医药传承创新，加强中医优势专科建设，以及深化大数据、人工智能等研发应用，开展“人工智能＋”行动。
和鲸提出的 101 数字领航计划，正是为了解决行业中闭环成果少、试点样板房稀缺的问题，同时促进本科生教育与人工智能的深度融合，满足快速变化的学科建设需求。在这个过程中，学科和行业是核心，而人工智能则是辅助工具。和鲸凭借在数据科学领域的深厚积累，已深入气象行业实现了教学、科研资源的平台整合，并与国内顶尖的大模型公司智谱 AI 携手，共同打造垂直大模型，这些大模型将融入行业知识，由专家指导培育，成为行业发展的智囊团。通过 101 AI 虚拟实验室，学生能够以更低的门槛参与 AI 创新，结合数据、案例、活动、课程和竞赛等多种形式，全面提升创新能力，促进科研成果向产业应用的转化。如今，高校已不仅仅是传统的教育机构，更是产学研一体化、能够协调政府政策、产业和人才培养的新型平台。和鲸将持续发力，融入更多行业场景，为高校“学科+AI”建设注入新的活力。


2024 年，和鲸社区结合近十年在数据科学人工智能的开源资源积累和专业共建经验积累，将与 20 个头部高校共创共建高质量课程、高质量数据集、高质量实践项目以及学科大模型等，同时开放有限学院名额，助力建立 AI 创新虚拟实验室。
若您对这一计划感兴趣，也欢迎联系我们。（添加时备注“101”）
任何相关需求，都欢迎您点此链接联系我们，或进入 ModelWhale 官网注册体验。

感恩由您

根据网上资料整理了15位医学影像相关的导师，研究方向及实验室介绍，排名不分先后，详情如下：
1.上海科技大学，沈定刚教授(主个人页)

研究方向：早期脑发育和自闭症的诊断，老年痴呆症的早期诊断与预测，脑肿瘤的诊断等。
实验室：上科大 IDEA 实验室
2.中科院大学,田捷教授（个人主页）

研究方向：分子影像、功能影像、医学影像分析与处理、智能医学等
实验室：中国科学院分子影像重点实验室----自动化研究所
3.复旦大学，庄吓海教授（个人主页）

研究方向：图像配准；图像分割；图像超分辨率等
实验室：Fudan ZMIC Lab (复旦医学影像、图像视觉与人工智能实验室)
4.中科院深圳先进研究院，李志成教授（个人主页）

研究方向：医学影像与深度学习，肿瘤影像-基因组学智能分析等
实验室：医学人工智能研究中心
5.中科院大学，周少华教授（个人主页）

研究方向：聚焦医疗影像设备、医疗机器人、医疗影像分析计算等领域
实验室：中科院(MIRACLE) 奇迹研究组
6.南方科技大学，刘江教授（个人主页）

研究方向：研究方向: 眼科人工智能、眼脑联动、医疗影像、精准医疗、手术机器人
实验室：iMED医疗影像/眼科影像团
7.苏州大学，陈新建教授（个人主页）

研究方向：医学影像分割、肿瘤生长预测, 疾病精准量化分析等
实验室：放射医学与辐射防护国家重点实验室
8.百度，许言午博士（scholar_google）

研究方向：眼科图像分析，医学影像分析，机器学习，模式识别，自动驾驶
实验室：百度灵医智惠 I 智慧医疗-百度智能云
9.西北工业大学，夏勇教授（个人主页）

研究方向：医学影像大数据分析、计算机辅助诊断和深度学习等领域
10.电子科大，王国泰教授（个人主页）

研究方向：肝脏CT图像、胎儿磁共振图像、脑肿瘤磁共振图像、新冠肺炎CT图像等的自动等方向、
实验室：智慧医疗实验室
11.中科院大学，蒋田仔教授（个人主页）

研究方向：医学信号与图像处理与分析，机器学习在疾病鉴别诊断中的应用等
实验室：中国科学院自动化研究所脑网组研究中心
12.上海交通大学，张立箎博士（个人主页）

研究方向：多模态医学图像的分割、配准，以及大脑图像的功能性结构性特征的提取与分析等
实验室：The Medical Image Computing Lab（上海交通大学医学图像计算实验室）
13.上海交通大学，涂圣贤教授（个人主页）

研究方向：心血管成像与定量分析；血流动力学；血流储备分数；光学相干断层成像；血管内超声
实验室：上海交大联合实验室 - 博动医疗 - 引领泛血管介入精准诊疗
14.深圳大学，倪东教授（个人主页）

研究方向：智能医学超声；超声引导下的手术导航；计算机辅助诊断；机器人辅助医学成像等。
实验室：深圳大学医学超声图像计算实验室（ MUSIC）
15.浙江大学，吴健教授（个人主页）

研究方向：医学人工智能相关
实验室：浙大睿医人工智能研究中心
..............................................................分割线.............................................................................
关于医学影像学习的其他相关内容：
FUNNY AI：医学图像相关学习及导师推荐医学图像分割研究生，想放弃了咋办~？更多了解：
1、改变中国「医学影像AI」的12大顶级实验室
2、国内外优秀的计算机视觉团队汇总
3、2021年中国人工智能医学影像企业发展报告

长长的路

上海科技大学医学图像分析实验室（IDEA Lab）

• 研究方向：神经影像与神经科学、癌症影像分析、新一代成像方法等。
  
• 实验室负责人：沈定刚教授
  

中科院分子影像重点实验室

• 研究方向：分子影像、功能影像、医学影像分析与处理、智能医学等
  
• 实验室负责人：田捷教授
  

中科院脑网络组研究中心

• 研究方向：宏观、介观及微观尺度上建立脑区、神经元群或神经元之间的连接图（脑网络）。并在此基础上，研究脑网络拓扑结构、脑网络动力学属性、脑功能及功能异常的脑网络表征、脑网络的遗传基础，并对脑网络进行建模和仿真，以及实现所需的超级计算平台
  
• 实验室负责人：蒋田仔教授
  

中科院（MIRACLE奇迹）研究组

• 研究方向：医疗影像设备、医疗机器人、医疗影像分析计算等
  
• 实验室负责人：周少华教授
  

上海交大医学图像计算实验室

大力水手

可以去看往期的MICS讲座，挑里面在国内的老师。
再就是看过去1-2年的MedIA TMI MICCAI IPMI的senior author，挑里面在国内的老师。

大力水手

(1)、南方科技大学，Jiang Liu老师；
(2)、苏州大学，Xinjian Chen老师；
(3)、百度，Yanwu Xu博士；
(4)、西北工业大学，夏勇老师；
悄悄咪咪的给我老师打个广告，
(5)、电子科大，王国泰老师。
就我知道的有这些，确实是不知道他们中文名字对应的汉字，所以用了论文上的英文，请见谅。
最近医健AI掘金志评选了一个"改变中国「医学影像AI」的12大顶级实验室",这个可能更值得参考。