近日，我院智能信息感知团队在国际顶级期刊《IEEE Transactions on Medical Imaging》（IEEE TMI）上以杭州电子科技大学为第一单位发表了题为《SASAN: Spectrum-Axial Spatial Approach Networks for Medical Image Segmentation》的论文。这是我校首次以杭州电子科技大学为第一单位在该期刊发表论文，论文第一作者为我院黄星儒特聘研究员。
IEEE TMI由国际电气和电子工程师协会（IEEE）于1982年创办，致力于刊登医学影像技术及其应用的高质量研究论文，涉及从图像采集、处理到分析的各个方面，是人工智能医学影像领域最具影响力的期刊之一，属于中国科学院一区Top期刊，五年影响因子11.3。
诸如中枢浆液性脉络膜视网膜病变和糖尿病性黄斑水肿等眼科疾病，对全球数百万人的视力造成了严重损害。然而，人工分析眼底脉络膜和黄斑水肿的光学相干断层扫描（OCT）序列不仅劳动密集且耗时，还存在准确性问题。在3D医学图像分割领域，现有方法主要利用频域分析和空间域信息来提升分割精度，由于设备和环境的限制，现有网络难以处理干扰和识别复杂结构。为了充分利用频域和空间域的信息优势并克服环境等局限性，本文提出了一种频谱分析协同轴向-空间网络SASAN，使用快速傅里叶变集成频谱特征用于过滤噪声。模型集成了两个关键模块：用于减轻噪声干扰的频率集成神经增强器（FINE）和用于增强特征提取的轴向-空间元素乘法器（ASEM）。其中，FINE在深度学习网络中巧妙地结合了空间和频域信息，减少了噪声干扰，提高了分割的准确性和鲁棒性；而ASEM在合并基本空间特征的同时，沿x、y、z轴对复杂特征信息进行分解，降低了特征分析的难度，提高了计算效率。此外，为了平衡图像区域、分布和边界，本文还引入了自适应多方面损失，在训练过程中自适应更新权值。
在多个公开大型数据集上进行的评估中，SASAN超过了多个SoTA模型，具有最低的误识别率，并且在边界划分上有显著改进。证明SASAN在融合低频信号后，增强了对结构信息的理解和以及对高频噪声的鲁棒抑制能力，为玻璃体浑浊病人的眼底结构分析重建产生了全新的思路。
文章第一作者为通信工程学院智能信息感知团队黄星儒特聘研究员，本科毕业于北京邮电大学，博士毕业于英国伦敦玛丽女王大学。研究方向为医疗图像处理、深度学习、计算机视觉、语言大模型等。现为国防大数据专业委员会委员,在MIA，IEEE TMI, Medical Physics, International Journal of Cardiology等期刊上发表SCI检索期刊论文29篇，包含中科院一区期刊7篇，中科院TOP期刊11篇。
通信工程学院智能信息感知团队，负责人为江劭玮研究员，主要方向为智能光学信息感知及处理等，共有专任教师18人。团队隶属于杭州电子科技大学智能信息处理实验室。
杭州电子科技大学“智能信息处理实验室”(HDU IIPLab)主任为颜成钢教授。实验室现有在职教师50余名，含5位国家级人才及多位省级人才。现有硕博生200余名，毕业生多就职于阿里巴巴、腾讯、字节跳动、海康威视、华为、网易等国内知名大公司。实验室采用与海内外知名高校、研究所(清华大学、北京大学、中国科学院、美国北卡罗来纳大学教堂山分校、澳大利亚悉尼科技大学等等)联合培养制，长期致力于智能信息处理方面的研究，主要研究方向包括：机器学习、模式识别、计算机视觉、计算机图形学、医学影像处理、生物信息学等。实验室为学校交叉创新团队，拥有自由开放的学术氛围和国际前沿的研究方向，可以在多个学院招生，包括但不限于通信、自动化、计算机、电子信息等学院。
