脑科学影像原理探究
计算机断层成像（computed tomography, CT）是一种利用X射线重建三维图像的医学影像技术。和传统的X射线影像相比，CT的优势主要体现在：1. 提供器官完整的三维信息；2. 对于不同组织的分辨率更高；3. 可因需求提供轴切面，冠状面，矢切面的影像。此外，任意切面的图像均可通过插值技术产生。这给诊断和科研带来了极大的便利。差值技术作为CT影像涉及的关键技术之一，被广泛应用在多种问题，如金属伪影矫正，图像信息补全等。
由于临床对放射成像危害的理解日益加深，低剂量成像的重要性也随之凸显。稀疏采样作为一种可有效降低病人接受辐射剂量的方法，被学界广泛研究。稀疏采样得到的数据在利用传统的滤波反投影法进行重建时伴随有严重的条形伪影。通常有两种方法来解决这个问题 – 通过迭代算法进行重建，以及通过插值法对正弦图进行补全。其中，迭代方法对硬件要求高，需要时间长，且根据参数的选择有可能引入其他伪影。插值法效率高易实行，常用的插值法有线性插值和定向插值。近年来，随着深度学习技术在计算机图像学的快速发展，其在医学影像中的应用也引起了广泛关注。
本课题的主旨是对两种常用的插值正弦图补全法和基于深度学习的方法进行比较。通过选取合适的图像质量量化参数，并对其进行分析，全面掌握各种方法的优缺点，加强对算法的理解。
本课题是医学物理和计算机图形学的综合研究，研究者（学生）将获得使用Python以及深度学习框架Keras对图像进行处理的技能，利用统计学知识分析现实问题的能力，以及通过接触前沿科技问题来扩展视野。
量子物理 计算及图形学
计算机 人工智能 机器学习
应用数学 统计学 数据科学
导师：宾夕法尼亚大学 博士
- 博士后目前就读于宾夕法尼亚大学医学院
- 研究方向为CT图像处理算法
- 曾多次在医学算法方向上发表论文
- 曾多次在顶尖国际会议发言
AI＋X数据驱动型科研是指使用人工智能（AI）算法，收集、处理、分析具体学科（X）的海量数据，并基于此进行预测，从而获得科学发现的研究方法。与传统的、基于实验或逻辑推理的研究方式相比，AI＋X数据驱动型科研可以借助AI算法强大的运算能力，高效地进行大数据分析，具有投入产出比高、适用范围广的优点。AI＋X数据驱动型科研已被广泛地应用于各个领域，利用AI算法研究基因数据，从而进行早期的癌症筛查便是其中一例。基因组与癌症病患的数据千千万万，使用传统的科研方式对其进行分析，工程量大、过程繁琐，在客观上难以实现。但借助AI算法这一便捷的工具，生命科学家便能够以海量的患者的遗传信息为基础，建立数据库，与过往的研究成果进行对照，快速、准确地在两者中发现规律、建立联系，从而使癌症诊断的“标准化”成为可能。
整个科研教学流程中，每一位学员都将有学术督导协助保障研究阶段性作业和论文的进度，确保取得研究成果。
有方学者项目保证为学员在正规的英文学术期刊中发表论文。正规的学术期刊均要求由独立审稿人决定论文的录用与否。因此，论文的成功发表标志着这篇文章已达到学界公认的学术标准。有方学者最优秀的学生，不但可以冲击EI、SCI等高级别期刊，而且有机会参与全球顶级的学术会议。
有方学者项目坚持帮助学生以第一作者身份发表论文。在申请过程中，招生官最看重的是学生在科研项目中的参与程度，而第一作者顺位恰恰是这一点的最佳证明。近年来，有大量的中国学生在教授署名的论文中挂名，这使得第一作者身份的含金量更为突出
学生可以直接使用有方学者项目的成果论文冲击多项全球顶级的科研赛事，其中包括：被誉为“中国青年的诺贝尔奖”的丘成桐科学奖、谷歌科学奖和达特茅斯大学举办的ISEC论文比赛。
有方学者项目的导师会为每个学生提供独一无二的课题，连接最前沿的科研方法和学生感兴趣的学术方向，保证学生研究内容的差异性。
有方学者项目将为学生提供项目导师撰写的推荐信。导师作为推荐人，来自于美国顶尖学府的科研团队，保证了推荐信的可信度；而导师所提供的丰富的细节和生动的描述能更好展现学生的过人之处，从而大大提高了推荐信的价值。
想要获取详细课题大纲
请扫描二维码
关注「有方背景提升」
