当前位置: X-MOL首页全球导师 国内导师 › 钱晓华

个人简介

钱晓华,长聘教轨副教授、博士生导师。曾为美国德克萨斯大学生物医学信息学院助理教授;还先后任职于中科院上海高研院和美国维克森林大学医学院;吉林大学电子工程和美国杜克大学医学物理专业联合培养博士。现任上海市生物医学工程学会生物医学信息专委会秘书长。主要研究兴趣是医学图像处理和计算机视觉。目前主持国自然面上、上海市面上、省级科技转化课题、企业横向以及医工交叉等课题,作为骨干参与张江重大项目和上海交大重大项目STAR计划等;并以第一作者/通讯作者发表Nature Communications, Med Image Anal, IEEE Trans. Med Imaging, IEEE Trans. Multimedia, IEEE Trans. Fuzzy Syst., IEEE Trans. Neural Syst. Rehabilitation Eng., IEEE J Biomed Health Inform等领域权威期刊论文。 主要研究课题: 1)胰腺癌临床诊断与治疗全过程的影像智能算法体系研究,包括胰腺癌筛查与早期诊断,胰腺癌检测与分割,胰腺癌淋巴转移/良恶性的分析和预测,以及胰腺癌手术可切除性分析等。 2)运动功能视频评估的核心算法体系研究(包括帕金森病运动迟缓、震颤、僵直、站立平衡和步态等),以及在临床诊断与评估、远程医疗和居家管理等方面的应用,并拓展到脑瘫、斜颈、中风等疾病的视频自动评估。 此外,还持续开展了脑胶质瘤真假进展分析,和运动与康复相关的视频动作分析与应用。 主要学术贡献: 首次系统性地提出了医学图像的小样本细粒度分析技术,形成了1)时空细粒度特征挖掘技术体系(MEDIA, 2022; IEEE TMM, 2022; IEEE TCSVT, 2022; IEEE TNSRE, 2020;授权发明专利2项、公开发明专利4项),实现了空间区分性结构、时间全局连贯性和远程依赖性特征的挖掘;和2)一种“内挖潜力和外借信息”驱动下的图像信息多样化挖掘技术体系(MEDIA, 2022; IEEE TMI, 2021, 2022; IEEE JBHI 2022;公开发明专利4项),原创性提出了利用空间变换来充分挖掘数据潜力,实现扩增样本的多样化;并成功应用于帕金森症智能评估和胰腺癌术前智能评估。 教学工作 数据结构(工科平台,大一) 生物医学工程中的数据挖掘 (研究生课程) 软件版权登记及专利 (1) 钱晓华; 李钧; 多模态医学图像分割方法、系统、存储介质及电子设备2020-02-24, 中国, CN2020101124914 (2) 钱晓华; 陈夏晗; 基于多模态的深度学习预测方法、系统、介质及设备2020-02-18, 中国, CN2020100986849 (3) 钱晓华; 陈夏晗; 深度学习中螺旋变换数据扩增方法、系统、介质及设备2020-02-18, 中国, CN202010098682X (4) 李强; 庄吓海; 钱晓华; 一种左心室心肌的分割方法和装置, 2019-04-23, 中国, CN104978730B. 荣誉奖励 2019年上海交通大学社会实践优秀指导教师 2019-2020年上海交通大学生物医学工程学院优秀班主任 2021年上海交通大学优秀班主任

研究领域

医学图像处理与分析,机器学习与深度学习(图神经网络)的算法研究,包括图像(视频)的细粒度分类与预测,医学图像的检测与分割,以及健康大数据挖掘与分析;主要解决的技术挑战:小样本和细粒度分析,模型的稳定性与泛化性,以及高维数据挖掘(特征选择)与分析。

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. J. Li#, T. Chen#, X. Qian*, Generalizable Pancreas Segmentation Modeling in CT Imaging via Meta-learning and Latent-space Feature Flow Generation. IEEE Journal of Biomedical and Health Informatics, 09, 2022. 2. X. Song#, J. Li#, X. Qian*. Diagnosis of Glioblastoma Multiforme Progression via Interpretable Structure-Constrained Graph Neural Networks. IEEE Transactions on Medical Imaging, 08, 2022. 3. R. Guo, H. Li, C. Zhang, X. Qian*. A Tree-Structure-Guided Graph Convolutional Network with Contrastive Learning for the Assessment of Parkinsonian Hand Movements. Medical Image Analysis, 07, 2022. 4. R. Guo, J. Sun, C. Zhang, X. Qian*. A Contrastive Graph Convolutional Network for Toe-Tapping Assessment in Parkinson's Disease. IEEE Transactions on Circuits and Systems for Video Technology, 07, 2022. 5. R. Guo#, J. Sun#, C. Zhang, X. Qian*. A Self-Supervised Metric Learning Framework for the Arising-from-Chair Assessment of Parkinsonians with Graph Convolutional Networks. IEEE Transactions on Circuits and Systems for Video Technology, 03, 2022. 6. J. Li#, L. Qi#, Q. Chen, Y. Zhang, X. Qian*. A Dual Meta-Learning Framework based on Idle Data for Enhancing Segmentation of Pancreatic Cancer. Medical Image Analysis, v.78, 2022 7. X. Chen, Z. Chen, J. Li, Y. Zhang, X. Lin, X. Qian*. Model-driven Deep Learning Method for Pancreatic Cancer Segmentation Based on Spiral-transformation. IEEE Transactions on Medical Imaging, 41(1), 2022. 8. J. Li, C. Feng, X. Lin, X. Qian*. Utilizing GCN and Meta-Learning Strategy in Unsupervised Domain Adaptation for Pancreatic Cancer Segmentation. IEEE Journal of Biomedical and Health Informatics, 26(1), 2022. 9. R. Guo, X. Shao, C. Zhang, X. Qian*. Multi-scale Sparse Graph Convolutional Network for the Assessment of Parkinsonian Gait. IEEE Transactions on Multimedia, v.24, 2022. 10. X. Song#, M. Mao#, X.Qian*. Auto-Metric Graph Neural Network Based on a Meta-learning Strategy for the Diagnosis of Alzheimer's disease. IEEE Journal of Biomedical and Health Informatics, 25(8), 2021. 11. X. Chen, X. Lin, Q. Shen, X. Qian*. Combined Spiral Transformation and Model-driven Multi-modal Deep Learning Scheme for Automatic Prediction of TP53 Mutation in Pancreatic Cancer. IEEE Transactions on Medical Imaging, 40(2), 2021. 12. R. Guo, X. Shao, C. Zhang, X. Qian*. Sparse Adaptive Graph Convolutional Network for Leg Agility Assessment in Parkinson’s Disease. IEEE Transactions on Neural Systems & Rehabilitation Engineering, 28(12),2020. 13 G. Xu, J. Reboud, Y. Guo, H. Yang, H. Gu, C. Fan*, X. Qian*, J. M. Cooper*. Programmable design of isothermal nucleic acid diagnostic assays through abstraction-based models. Nature Communications, 13(1), 2022. (共同通讯作者)

推荐链接
down
wechat
bug