章毅 - 四川大学 - 计算机学院

个人简介

章毅教授1994年7月毕业于中国科学院数学研究所，获理学博士学位。现为IEEE Fellow、中国人工智能学会首批会士、中国人工智能学会副秘书长与常务理事、四川省人工智能学会理事长、原四川大学计算机学院院长、享受国务院特殊津贴专家；担任四川省2011大数据协同创新中心主任、四川省网络大数据认知分析工程实验室主任。曾任中国计算机学会成都分部主席、IEEE 成都分部主席。创立IEEE 计算智能学会成都分部、四川大学机器智能实验室、四川大学智能医学中心。章毅教授已在人工智能和人工神经网络领域深耕近30年，目前研究方向为：人工智能、神经网络，智能医学。四川大学智能医学中心/机器智能实验室是章毅教授创立的集人工智能基础研究和智能医学于一体的团队。心怀大爱无边、虚怀若谷的精神内涵，贯穿智能及医学理论，辐射临床多种真实场景应用，推动真实临床应用落地。团队具备近30年人工智能研究积淀，具有从模型到产品全过程的研究和研发经验。团队拥有西南高校最大的大数据GPU深度神经网络集成计算平台。与四川大学华西医院、达州市中心医院等大型三甲医院建立紧密的合作关系，建有全球最大的乳腺彩超、肺部影像数据库，两大成熟产品已推向全国各级医院近百家，遍布北京、广东、南京、武汉等城市、省份。更多智能医学产品正在培育和孵化。章毅教授从教三十年，培养博士生近50人，硕士生超百人，学生遍布海内外，不乏国内外高校教授、国家杰青、国家优青、青年千人、一线互联网企业研发、产品岗位，企事业单位研究中心研究岗位，创业大咖等，桃李满天下。项目成果及获奖荣誉章毅教授主持国家科技部2030科技创新新“一代人工智能”重大专项"新一代认知神经网络模型"，国家自然科学基金大数据重点项目群重点项目"基于认知计算的大数据分析方法"，以及国家自然科学基金中港合作项目、国家自然科学基金面上项目、教育部高等学校博士学科点专项科研基金、四川省科技支撑计划项目、四川省科技厅成果转化项目、国家重点基础研究发展计划（973计划）项目子项等多项国家级、省部级科研项目。以第一完成人获得2019年国家自然科学二等奖奖、2012年教育部自然科学一等奖、2011年四川省科技进步一等奖等。获得中国计算机学会优秀博士论文指导教师奖、中国人工智能学会优秀博士论文指导教师奖等。论文著作：章毅教授在人工智能和神经网络领域深耕近30年，已发表 SCI学术论文300余篇，其中IEEE Transactions系列70余篇，连续7年入选Elsevier中国高被引学者榜。申请及授权国家发明专利30余项。著有英文学术专著三部：《Convergence Analysis of Recurrent Neural Networks》(Kluwer Academic Publishers, 2004)、《Neural Networks: Computational Models and Applications》(Springer, 2007)、《Subspace Learning of Neural Networks》(CRC Press, 2010)，翻译神经网络经典教材《神经网络设计（原书第2版）》（机械工业出版社，2018）。担任IEEE Transactions on Neural Networks and Learning Systems期刊的Associate Editor（2009~2012），担任IEEE Transactions on Cybernetics期刊的Associate Editor（2014~）。章毅教授在人工神经网络基础理论研究方面做出了多项原创性工作，当选IEEE Fellow并获得国家自然科学二等奖。

研究领域

人工智能，神经网络理论与应用，智能医学

近期论文

查看导师新发文章（温馨提示：请注意重名现象，建议点开原文通过作者单位确认）

[1]Y. Song, J. Hu, Q. Wu, F. Xu, S. Nie, Y. Zhao, S. Bai, and Zhang Yi, “Automatic delineation of the clinical target volume and organs at risk by deep learning for rectal cancer postoperative radiotherapy,” Radiotherapy and Oncology, vol. 145, pp. 186–192, 2020. DOI https://doi.org/10.1016/j.radonc.2020.01.020. [2]T. He, J. Hu, Y. Song, J. Guo, and Zhang Yi, “Multi-Task Learning for the Segmentation of Organs at Risk with Label Dependence,” Medical Image Analysis, 2020. DOI 10.1016/j.media.2020.101666. [3]L. Wang, L. Zhang, M. Zhu, X. Qi, and Zhang Yi, “Automatic Diagnosis for Thyroid Nodules in Ultrasound Images by Deep Neural Networks,” Medical Image Analysis, 2020. DOI 10.1016/j.media.2020.101665. [4]Z. Wang, L. Zhang, X. Shu, Q. Lv, and Zhang Yi, “An end-to-end mammogram diagnosis: a new multi-instance and multi-scale method based on single-image feature,” IEEE Transactions on Cognitive and Developmental Systems, pp. 1–1, 2020. DOI 10.1109/TCDS.2019.2963682. [5]X. Shu, L. Zhang, Z. Wang, Q. Lv, and Zhang Yi, “Deep Neural Networks with Region-based Pooling Structures for Mammographic Image Classification,” IEEE Transactions on Medical Imaging, 2020. DOI 10.1109/TMI.2020.2968397. [6]T. He, J. Guo, N. Chen, X. Xu, Z. Wang, K. Fu, L. Liu, and Zhang Yi, “MediMLP: Using Grad-CAM to Extract Principal Variables for Lung Cancer Postoperative Complication Prediction,” IEEE Journal of Biomedical and Health Informatics, 2019. DOI 10.1109/JBHI.2019.2949601. [7]J. Hu, Y. Chen, and Zhang Yi, “Automated Segmentation of Macular Edema in OCT using Deep Neural Networks,” Medical Image Analysis, vol. 55, pp. 216–227, 2019. DOI 10.1016/j.media.2019.05.002. [8]X. Qi, L. Zhang, Y. Chen, Y. Pi, Y. Chen, Q. Lv, and Zhang Yi, “Automated diagnosis of breast ultrasonography images using deep neural networks,” Medical Image Analysis, vol. 52, pp. 185–198, 2019. DOI 10.1016/j.media.2018.12.006. [9]S. Chen, J. Guo, C. Wang, X. Xu, Zhang Yi, and W. Li, “DeepLNAnno: a Web-Based Lung Nodules Annotating System for CT Images,” Journal of Medical Systems, vol. 43, no. 7, p. 197, May 2019. DOI 10.1007/s10916-019-1258-9. [10]J. Hu, Y. Chen, J. Zhong, R. Ju, and Zhang Yi, “Automated Analysis for Retinopathy of Prematurity by Deep Neural Networks,” IEEE Transactions on Medical Imaging, vol. 38, no. 1, pp. 269–279, 2019. DOI 10.1109/TMI.2018.2863562. [11]Z. Gao, J. Li, J. Guo, Y. Chen, Zhang Yi, and J. Zhong, “Diagnosis of Diabetic Retinopathy Using Deep Neural Networks,” IEEE Access, no. 7, pp. 3360–3370, 2018. DOI 10.1109/ACCESS.2018.2888639. [12]X. Xu, Q. Guo, J. Guo, and Zhang Yi, “DeepCXray: Automatically Diagnosing Diseases on Chest X-Rays Using Deep Neural Networks,” IEEE Access, no. 6, pp. 66972–66983, 2018. DOI 10.1109/ACCESS.2018.2875406. [13]Y. Feng, L. Zhang, and Zhang Yi, “Breast cancer cell nuclei classification in histopathology images using deep neural networks,” International Journal of Computer Assisted Radiology and Surgery, vol. 13, no. 2, pp. 179–191, 2018. DOI 10.1007/s11548-017-1663-9. [14]J. Wang, R. Ju, Y. Chen, L. Zhang, J. Hu, Y. Wu, W. Dong, J. Zhong, and Zhang Yi, “Automated Retinopathy of Prematurity Screening Using Deep Neural Networks,” EBioMedicine, vol. 35, pp. 361–368, 2018. DOI 10.1016/j.ebiom.2018.08.033.