个人简介

陈阳 性 别： 男 出生年月： 1979/10 学 位： 博士 职 称： 教授 资 格： 博士生导师/IEEE senior member 行政机构： 影像科学与技术系 地 址： 南京市玄武区四牌楼二号东南大学 计算机科学与工程影像科学与技术实验室 个人履历 2018年4月至今 教授 博士生导师/IEEE senior member 计算机科学与工程学院，东南大学，期间2014年9月到2015年9月在美国威斯康辛麦迪逊大学进行访问学者的工作; 2011年3月-2013年3月 博士后 Institut National de la Santé et de la Recherche Médicale (INSERM, 法国国家健康研究院), 导师: Prof. Jean-Louis COATRIEUX and Christine TOUMOULIN; 2008年3月至2010年3月 博士后 香港中文大学，电子工程系，导师： Prof. Emma MACPHERSON; 2002年8月至2007年8月， 博士 第一军医大学，生物医学工程专业 2001年7月至2002年8月， 工程师 南京军区宁波113医院信息科 1996年8月至2001年6月， 学士 第一军医大学，生物医学工程专业 资料下载 IEEE,“Curve-like Structure Extraction Using Minimal Path Propagation with Backtracking”, Transaction on Image Processing代码 个人详细简介 1979年出生，博士/博士后，现任东南大学计算机科学与工程学院教授、博士生导师；影像科学与技术实验室常务副主任；IEEE高级会员；东南大学计算机网络与信息集成教育部重点实验室常务副主任；东南大学生物电子学国家重点实验常务副主任；中法生物医学信息研究中心中方副主任；中国生物医学工程学会医学图像信息与控制分会副主任委员；中国图像图形学会医学影像委员会委员；江苏省人工智能学会医学图像专委会常务委员。 从2008年开始，主持国家自然基金、973科技计划、863科技计划、江苏省自然科学基金、国家重点研发计划、广东省科技创新战略计划等各类基金项目10多项。目前在研项目包括2项国家自然基金项目、3项国家重点研发项目和1项广东省科技创新战略项目：(1) 基于深度特征学习的快速低剂量CT成像【国家自然基金，编号：61871117，时间：2019.01-2022.12】；(2) 低剂量CT成像新算法与临床研究【国家自然基金，编号：81370040，时间：2019.01-2022.12】；(3) 锥束CT的高性能低剂量重建算法及以其为基础的高级应用【国家重点研发计划，编号：2017YFC0109202，时间：2018.01-2021.12】；(4) 新型低剂量数字减影血管造影（DSA）X 射线成像系统及临床应用技术【国家重点研发计划，编号：2017YFC0109200，时间：2017.07-2020.12】；(5) 间充质和神经干细胞的体内动态示踪技术与临床转化研究【国家重点研发计划，编号：2017YFA0104300，时间：2017.07-2021.01】；(6) 大孔径小动物介电特性断层成像系统【广东省科技创新战略计划，编号：2018B030333001-3，时间：2019.01-2022.12】 先后在《IEEE Transactions on Medical Imaging》、《IEEE Transactions on Image Processing》、《IEEE Transactions on Circuits and Systems for Video Technology》、《IEEE Transactions on Computational Imaging》、《Medical Image Analysis》、《International Journal of Computer Vision》、《International Journal of Computer Vision》、《Optics Express》、《Medical Physics》、《中国生物医学工程学报》、《CT理论与应用研究》、《光学学报》、《电子学报》、《计算机工程与应用》国内外著名期刊和MICCAI、ISBI、SPIE等重要国际会议发表学术论文100余篇，出版专著1部，教材2部，获得授权发明专利10余项、软件著作权2项。论文被SCI/EI收录80多篇次，被他人引用累计超过2600篇次，其中ESI高被引论文4篇，ESI热点论文1篇，引文作者包括相关领域的权威学者，如英属哥伦比亚大学Rabab K. Ward教授(IEEE Fellow, 加拿大工程院院士，IEEE Signal Processing Society现任主席)、普度大学的Charles A. Bouman教授(IEEE Fellow)等，部分成果被国外同行在引文中称为“first proposed (首次提出)”、“Novel (新颖的)”、“good performance (好的性能)”、“greatly improved (显著提高)”和 “It has been proved to be effective and promising (被证明是非常有效和有前途的)”等。多项科研成果已通过专利形式转化到国内医学影像公司，例如基于区别性特征稀疏表示的正则化重建算法和基于深度卷积神经网络的磁共振图像增强算法已应用于宁波鑫高益公司的磁共振成像设备系统 (SuperScan 和 Opera两种型号)， 2017-2018年累计新增产值约4000万元，新增利润约400万元；基于深度特征学习的图像重建算法目前正在联影医疗公司和宁波鑫高益公司进行测试，预计将在这两家公司的新一代旋转三维DSA，乳腺层析成像(国内首台)，螺旋CT以及磁共振设备上得到应用；基于区别性特征表示的CT图像后处理算法、心血管提取分析，血流计算以及肾功能量化计算等算法软件也在江苏省人民医院、山东省肿瘤医院、东部战区总医院和北部战区总医院等知名三甲医院完成了临床应用测试。 2017年获得江苏医学科技二等奖、2018年分别获得中国图象图形学会科学技术奖一等奖和辽宁省科技进步二等奖、2019年获得山东省科技进步一等奖、获得“2014年东南大学优秀青年教师”、及“2017年东南大学最受欢迎研究生导师”等。 个人评价：本人治学严谨、认真务实、勇于创新、视野广阔，不仅教会学生专业知识，还教会他们学术问题的统筹思考方法，而且时常督促、鼓励、指导学生进行课题研究，还和他们一起讨论、思考、解决课题中遇到的难题，三年朝夕相处，几乎所有研究生都能够发表一篇英文期刊论文、撰写一项发明专利。由于本人人脉丰富，很多优秀的毕业生被推荐到斯坦福、耶鲁等世界名牌大学攻读博士学位。 硕士就业前景：（1）被推荐到斯坦福、耶鲁等世界名牌大学读博；（2）国内外知名公司 人才需求：博士后1-2名/年、博士生1-2名/年、硕士生2-10名/年、本科生1-5名/年。 授权专利与软件著作权 一种基于高斯极大似然估计的冲激噪声抑制方法 （陈阳，袁文龙，石路遥，罗立民，鲍旭东等，专利号：201410291248.8） 基于改进GPU并行的快速非局部均值滤波算法（陈阳，庄志昆，罗立民，李松毅，鲍旭东等，专利号：201410052166.8） 一种基于三维区别性特征表示的低剂量CT图像分解方法 （陈阳，刘进，罗立民，专利号：2015091700959930. 一种基于回溯累加的曲线检测方法 (陈阳，曹清，罗立民， 李松毅，鲍旭东(201410271291.8) 一种基于三维投影图区别性特征表示的低剂量CT成像方法(陈阳，刘进，罗立民，李松毅，鲍旭东, 2016107496115) 一种CT图像的投影弦图修补方法（陈阳，李印生，罗立民 等，专利号：201010595896.4） 基于小波空间方向性滤波的低剂量CT图像处理方法（陈阳，杨舟，罗立民等，专利号： 2011100377112） 一种基于区别性字典的低剂量CT图像处理算法 （陈阳，石路遥，罗立民等，专利号：201310422085.8） 一种低剂量CT图像滤波方法 （陈阳，罗立民等，专利号：201310122193.3） 一种基于三维区别性特征表示的低剂量CT图像重建方法 （陈阳，刘进，罗立民等，专利号：201510590901.5） 一种基于区别性稀疏表示的盲图像质量评价方法 （陈阳，石路遥，罗立民等，专利号：201510381379.X） 一种基于伽马先验的稀疏角度CT图像重建方法 （陈阳，张俊峰，罗立民等，专利号：201510391071.3） 低剂量CT图像处理软件1.0 简称 ListProbe 1.0（软件著作权，陈阳为第一著作人） 代表工作 1、提出基于非局部先验信息的断层医学图像重建算法 申请人于2008在国际上首次提出了基于非局部先验的Bayesian断层医学图像重建算法，该算法突破了传统的Bayesian重建算法只利用基于孤立像素梯度信息构建先验信息的限制，充分的利用图像中更多的结构特征和相似特征的冗余信息实现了对PET重建中图像伪影和噪声的有效抑制(见图1)。相关的论文发表于数学成像领域国际主流期刊 Journal of Mathematical Imaging and Vision (2008, 30: 133-146) 。从图1可见所提出的Bayesian重建算法相对于传统的OSEM重建算法能够显著提高PET重建的质量, 提高对PET对高代谢的肿瘤组织的成像质量。随后利用该非局部先验的重建算法显著提高了CT断层图像的重建质量(见图2)。 图1. 对全身PET图像采用所提出的非局部先验Bayesian重建算法的冠状面重建结果。从左至右分别是对应的CT图像、采用OSEM算法重建的PET图像以及所提出的非局部先验Bayesian重建算法的PET图像。图中红色箭头所指的是一右肺肿瘤所在位置。 图2. (a) 对腹部CT投影数据采用FBP算法的重建图像；(b) 对腹部低剂量数据采用所提出的基于非局部先验的迭代重建算法重建的图像。 进一步的，为了实现对非局部先验中的权重参数在每次迭代中的优化估计，我们提出基于块相似性混合先验的联合重建算法，解决了此基于非局部先验的重建算法中多个参数联合估计的收敛性问题(从图3可以看到该联合重建算法能够保证目标能量函数值随着迭代次数的增加而趋于收敛，从而得到稳定的断层图像重建结果)。 图3.目标能量函数随着迭代次数的变化。 2、提出基于人体组织相似特征区别性的低剂量CT图像后处理算法 目前, CT扫描已经成为国内各级医院影像诊断科室必不可少的常规检查手段，考虑到国内医院(尤其是大中型医院)的巨大门诊量，病人在CT扫描中所受的辐射伤害不可忽视。从二十一世纪初开始，国内的一些科研和企业研发机构就开始了低剂量CT成像方面的工作。长期以来，CT研究领域的研究人员普遍将迭代重建算法看做是低剂量CT成像的解决方法，并提出了一系列迭代重建算法以提高低剂量CT重建的图像质量。与此同时，国内的CT设备制造商也提出了各自的低剂量重建算法，具体包括东软公司的ClearView双域迭代重建技术、联影公司的KARL 3D?迭代重建技术以及安科公司的LISATM迭代重建降噪技术。然而，目前国内医院中的绝大部分CT设备均没有内置新型低剂量重建算法，重新购买那些内置了低剂量算法的新型CT设备对大部分中小医院将是一笔巨大的费用。尤其的，迭代类重建算法受限于所需的较大的计算量以及对投影数据获取的依赖，无法直接应用于当前国内临床医院大部分的CT设备。为了给国内大部分的CT设备提供不依赖投影数据的低剂量CT成像解决方案，申请人从对正常CT组织结构和噪声伪影特征的分析入手，利用CT图像中正常衰减组织的相似性特征以及噪声伪影区别性特征设计了一系列低剂量CT图像后处理算法，在有效保持原CT图像中人体组织结构特征的同时实现了对低剂量CT图像中伪影和噪声的有效抑制。 我们首先提出了基于大尺度CT值平均的低剂量CT图像后处理算法，该算法利用同类人体组织在CT图像中的全局分布特点，在一个较大的搜索窗中利用块的相似性隶属度函数将属于同类组织的像素点引入到对当前像素点的处理之中，通过对低剂量CT图像中的同类组织像素点的直接平均操作实现了对噪声和伪影的有效抑制，实验结果证明该算法能够对扫描管电流(剂量)降低到正常数值四分之一的情况下的低剂量CT腹部图像进行有效的处理，使之提高到正常剂量的腹部CT图像质量，该算法目前已经成功的应用于腹部低剂量CT图像的处理中。随后我们根据胸部低剂量CT图像中的伪影在高频带分布显著的性质，进一步对后处理算法进行改进，在不同的尺度上分别进行伪影去除和噪声抑制，提出小波空间伪影抑制和图像空间噪声抑制相结合的处理算法，进一步提高了低剂量CT图像的处理效果(见图3) 图3. 用小波空间伪影抑制和图像空间噪声抑制相结合的处理算法对低剂量CT体数据 (管电流为30mAs) 的处理结果。(a)和(c)为原三维低剂量CT前后冠状面图；(b)和(d)为用基于特征相似性去噪和多尺度伪影抑制的算法处理后的三维低剂量CT前后冠状面图(对应(a)和(c))。 随后从特征分解的角度设计低剂量CT图像处理算法，首先采用样本采集和特征学习构建多尺度区别性特征字典，然后通过区别性稀疏编码实现对正常组织特征和噪声伪影的分解，临床实验结果表明该算法能够有效的抑制低剂量CT图像中的伪影和噪声，显著提高低剂量CT图像质量，值得一提的是该文中的实验结果表明所提出的后处理算法能够获得比经典的TV迭代重建算法更好的伪影抑制的效果。随后，为了进一步提高算法在临床上的实用性并降低复杂度和参数敏感性，我们在此算法的基础上提出了基于三维区别性特征分解的低剂量CT处理算法，该算法从高剂量的病人图像数据中提取三维人体组织特征并同时从不同剂量的体摸图像数据的差异信息中获得伪影和噪声特征，构建用于稀疏分解的三维区别性特征字典，进一步提高了低剂量CT成像算法的效果，尤其的对比图4中放大的感兴趣区域(d)和(e), 我们可以发现相对于GE公司最新的VEO算法，所提出的特征分解的算法能获得更高的软组织结构对比度。 我们已对上述所提出的CT图像后处理算法申请了多项专利，同时开发了对应的低剂量CT图像后处理软件平台，并成功的应用于南京市第一医院，安徽省医科大学附属第一医院和沈阳军区总医院，截止目前已累计处理病人数据累计达1500例，该算法目前也在安科公司的ANOTOM 16 FIT CT机上获得了初步的应用。 图4：采用基于特征分解的算法对低剂量腹部CT图像处理的结果。(a) FBP重建结果； (b) 基于区别性特征分解算法处理的结果；(c) GE公司VEO算法的重建结果。(d) 和 (e)为图(b)和(c)中感兴趣区域的放大图。 3、提出基于多尺度和多空间的太赫兹光逆过程求解算法 介于红外线和微波频谱之间的太赫兹光在医学成像中的应用是近10年来的研究热点之一，同X-光等射线相比，太赫兹光具有无辐射的优点，可也有信号穿透能力弱，容易淹没在背景和噪声信号中的弱点，为解决这些问题，申请人于2008年3月至2010年3月间在香港中文大学电子工程系作为博士后研究人员从事太赫兹光的临床医学应用研究，申请人提出了基于多尺度和多空间的处理算法解决太赫兹光的逆过程信号求解和太赫兹光成像问题，并成功的将该方法应用于人体表皮组织的特征函数提取。同时，将稀疏信号表达的理论应用于太赫兹光处理，提高了在太赫兹光信号探测不完整的情况下的对样本特征信号提取以及对应的光成像质量。 图5. 基于多尺度和多空间的逆过程求解算法在太赫兹信号提取和成像中的应用。 4, 提出基于回溯累加的最小路径的曲线跟踪算法 由于具有求解简单和效率高等特点，最小路径跟踪算法在图形特征检测中有着广泛的应用，如裂痕检测以及血管中轴线提取，然而经典的最小路径算法有着一下两个缺点：a，需要为每个待提取分支提供一个起始点和一个终止点；b，随着搜索过程的进行，算法效率将显著降低， 且容易出现错连的现象。为解决这一问题，被推荐人提出基于回溯累加的最小路径的曲线跟踪算法，圆满的解决了传统的最小路径算法的这二个问题，并在心血管中轴线提取中获得了较好的应用，目前在尝试设计基于最小路径回溯的斑块检测算法，力图实现在此算法框架下的心血管斑块的自动检测。 图6. 基于回溯累加的最小路径算法的结果,左图为原图(其中红点为设置的种子点)，右图为从左图提取的曲线结构特征。