生物医学工程学院

雷柏英
生物医学工程学院
医学信息工程系
副教授
简介:

雷柏英博士:深圳大学特聘研究员、硕士生导师、深圳大学“荔园优青”、深圳市海外高层次人才(孔雀计划)、深圳市高层次后备级人才,深圳市孔雀团队核心成员,南山区领航人才等。2012年获新加坡南洋大学博士学位。先后在澳大利亚詹姆斯库克大学、新加坡信息通信研究所、新加坡南洋理工大学、美国北卡大学教堂山分校、美国德州大学圣安东尼奥医学中心进行研究和访问。一直从事医学图像处理、机器学习和模式识别的研究工作。与多个国家和作者共发表了100余篇国际期刊和会议论文,包括53篇SCI检索的期刊文章(25篇为第一作者、25篇通讯作者,20篇IEEE(11 篇IEEE Trans),其中2篇为ESI高被引(3%))。H指数18。已申请15项发明专利,其中5项已获授权。担任IEEE TMI,TIP,TCYB,TSP, IEEE JBHI, TMM, TASLP, Pattern Recognition, Information Science, Expert Systems With Applications等28种国际SCI期刊的审稿人。现任Scientific Reports, PLOS One, Frontiers in Neuroscience 和Frontiers in Informatics编委。获吴文俊人工智能科学技术奖三等奖。

 


 科研项目/Projects

 

[1]国家自然科学基金面上项目,61871274,影像基因的深度学习应用于阿尔茨海默病诊断和预测的多时间点研究,2019/1-2022/12,国家级、主持。
[2]国家自然科学基金青年项目,61402296,基于智能优化的三维医学图像可逆水印研究,2015/1-2017/12,国家级、主持、已结题。
[3]广东省自然科学基金自由申请项目,2017A030313377,融合基因和多模信息的阿尔茨海默疾病诊断和预测纵向研究,2017/5-2020/5,省部级、主持、在研。
[4]广东省自然科学基金项目,S2013040014448,胎儿颜面部三维超声标准切面成像研究,2013/10-2015/10,省部级、主持、已结题。
[5]第48批教育部留学回国人员科研启动基金项目,教外司留(2014)1685号,基于优化的医学信号可逆水印关键技术研究,2014/9-2015/9,省部级、主持、已结题。
[6]广东省医学基金项目,B2016094,轻度认知功能障碍的早期诊断和识别方法的研究,2016/7-2018/06,省部级、主持、结题。
[7]深圳市2015年基础研究项目,JCYJ20150525092940986,基于多模态和纵向信息的阿尔茨海默疾病诊断和预测的研究,2015/10-2017/10,市级、主持、结题。
[8]深圳市2017年基础研究项目,JCYJ20170818142347251,基于深度学习的胎盘功能智能化评价方法研究,2018/01-2019/12,市级、主持、在研。
[9]深圳市2018年基础研究学科布局项目,JCYJ20170818094109846,基20180081 阿尔茨海默病神经影像机器判读方法技术研究,2019/01-2021/12,市级、合作方主持、在研。
[10]深圳市海外高层次人才创新创业孔雀团队项目,基于大数据精准医疗研究团队,KQTD201605112051497, 2017/03-2021/02,市级、核心成员、在研。
[11]深圳大学与台北科技大学学术合作专题研究项目,2018006,基于深度学习的帕金森症早期诊断和预测方法的关键技术开发,2018.1.1-2018.12.31,校级、主持、结题。
[12]深圳大学交叉学科创新团队,基于影像基因组学的胎儿发育及异常早期精准诊断,2018.1.1-2022.12,校级、副组长、在研。

 部分代表性文章/Representative publications

[1] Baiying Lei, Xiaolu Liu, Shuang Liang*, Wenlong Hang, Qiong Wang, Kup-Sze Choi, and Jing Qin, “Walking Imagery Evaluation in Brain Computer Interfaces via a New Deep Learning Framework”, IEEE Transactions on Neural Systems & Rehabilitation Engineering, DOI: 10.1109/TNSRE.2019.2895064, 2019 (SCI,JCR Q1, 2018 IF: 4.404, 中科院一区)
[2] Baiying Lei, Peng Yang, Tianfu Wang, Siping Chen and Dong Ni*. "Relational-Regularized Discriminative Sparse Learning for Alzheimer's Disease Diagnosis", IEEE Transactions on Cybernetics, vol.47 (4), pp.1102-1113, 2018. (SCI,JCR Q1, 2017 IF 8.804, 中科院一区)
[3] Hang Li†, Xinzi He†, Feng Zhou, Zhen Yu, Dong Ni, Siping Chen, Tianfu Wang, Baiying Lei*, “Dense Deconvolutional Network for Skin Lesion Segmentation, ” IEEE Journal of Biomedical and Health Informatics, vol.99,pp.1-1, 2018(SCI,JCR Q1, 2017 IF 3.85, 中科院二区)
[4] Baiying Lei, Peng Yang, Yinan Zhuo, Feng Zhou, Dong Ni, Siping Chen,Tianfu Wang, “Neuroimaging Retrieval via Adaptive Ensemble Manifold Learning for Brain Disease Diagnosis”, IEEE Journal of Biomedical and Health Informatics,vol.99,pp.1-1, 2018(SCI,JCR Q1, 2017 IF 3.85, 中科院二区)
[5] Haijun Lei, Zhongwei Huang, Feng Zhou, Ahmed Elazab, Ee-Leng Tan, Hancong Li, Jing Qin, Baiying Lei*, “Parkinson’s Disease Diagnosis via Joint Learning from Multiple Modalities and Relations”, IEEE Journal of Biomedical and Health Informatics, vol.99,pp.1-1, 2018 (SCI,JCR Q1, 2017 IF: 3.85, 中科院二区)
[6] Haijun Lei, Tao Han, Feng Zhou, Zhen Yu, Jing Qin, Ahmed Elazab and Baiying Lei*,"A Deeply Supervised Residual Network for HEp-2 Cell Classification via Cross-Modal Transfer Learning", Pattern Recognition, 2018 (SCI,JCR Q1, 2017 IF 3.962, 中科院二区)
[7] Baiying Lei, Shang Huang, Ran Li, Cheng Bian, Hang Li, Yi-Hong Chou, Jiezhi Cheng*, " Segmentation of Breast Anatomy for Automated Whole Breast Ultrasound Images with Boundary Regularized Convolutional Encoder-Decoder Network", Neurocomputing, vol.99,pp.1-1, 2018 (SCI,JCR Q1, 2017 IF: 3.241, 中科院二区)
[8] Baiying Lei, Wa 
 

 

 发明专利/Patent

 

[1]图像添加水印的方法及系统 (授权发明,第一发明人)
[2]超声图像胎儿颜面部标准切面自动识别(授权发明,第一发明人)
[3]基于超像素和深度学习的细菌分割和分类方法及其应用(授权发明)
[4]宫颈癌细胞分割方法及系统(授权发明,第一发明人)
[5]胎盘成熟度分级方法(授权发明)

 
 

 获奖情况/Awards

 

(1)深圳大学百篇优秀毕业论文指导教师
(2)深圳大学挑战杯大赛一等奖
(3)广东省大学生创新创业训练计划项目”优秀指导教师
(4)全国大学生生物医学工程创新设计竞赛指导教师

 

 

 人工智能在医学图像处理的研究/Research

 

超声图像分析
胎儿智能超声
胎盘成熟度分级
乳腺超声图像分析

神经影像分析
阿尔兹海默病的智能诊断
帕金森症的智能诊断

显微镜图像分析
黑色素瘤的分割与识别
宫颈癌细胞分割HEp-2细胞分类

 

 可为研究生提供的科研环境

(1)优良的计算机硬件环境,含10多台深度学习工作站;
(2)有大量的医学图像数据库供使用训练;
(3)和多家医院合作,项目需求来自于医院,具有广泛应用前景;
(4)充足研究经费,提供有竞争力的生活补助。

 招收研究生要求

(1)踏实、勤奋、努力、上进、肯干、具有团队协作精神
(2)热爱人工智能和医学图像处理,具有学术追求

 主讲课程

本科生:《数据结构》《C语言程序设计与编程实践》《科学计算语言》《生物医学工程专业英语》
研究生:《医学图像处理》