近日，医学部生物医学工程学院汪天富、雷柏英教授团队在医学图像处理领域顶级期刊《IEEE Transactions on Medical Imaging》(中科院大类一区TOP期刊，IF：11.037)上发表了系列研究成果。

工作一

眼底疾病是导致人类失明的主要原因。许多深度学习算法已被开发应用于视网膜眼底图像的自动分析。然而，现有方法通常是数据驱动的，较少考虑收集和标注眼底图像所需的成本，以及由于不同眼病患者数量差异所导致的数据类别不平衡问题。该团队在《IEEE Transactions on Medical Imaging》上发表了题为“Fundus Image-label Pairs Synthesis and Retinopathy Screening via GANs with Class-imbalanced Semi-supervised Learning”的研究论文，提出了一种基于生成对抗网络GANs的新框架，命名为CISSL-GANs。它通过动态类别平衡采样器进行类别不平衡半监督学习（CISSL），该采样器能够利用分类器对少样本类别数据产生高精度伪标签的特性，从而利用伪标签中的偏置提高眼底图像类条件生成和分类性能。

论文第一作者是直博生谢莹鹏，通讯作者是雷柏英特聘教授和王书强研究员，深圳大学为第一署名单位，中国科学院深圳先进技术研究院为合作单位。

研究成果链接：https://ieeexplore.ieee.org/document/10087263

代码链接：https://github.com/Xyporz/CISSL-GANs

工作二

病理性近视病变结构在不同扫描方向上的位置、形态与大小存在明显差异，诊断耗时费力。该团队在《IEEE Transactions on Medical Imaging》上发表了题为“FIT-Net: Feature Interaction Transformer Network for Pathologic Myopia Diagnosis”的研究论文，提出了一种特征交互Transformer网络来实现病理性近视的自动识别任务。多尺度图像特征通过Transformer编码器来构建远程依赖关系，并通过交互注意力单元实现信息交互，有效地将图像的局部特征与全局特征进行融合。为有效提升病变类别的识别准确率，更进一步探索了六种双视角特征融合方法，将横向和纵向扫描方向的双视角图像特征进行有效融合。

论文第一作者是硕士研究生陈少滨，通讯作者是汪天富教授和雷柏英特聘教授，深圳大学为第一署名单位。

研究成果链接：https://ieeexplore.ieee.org/abstract/document/10087215

代码链接：https://github.com/chenshaobin/FITNet