本实验室长期从事影像诊断研究、基础研究以及深度学习应用研究，对人工智能辅助诊断及评估方面有深入的探索和研究，擅长各种人工智能算法和技术，具备扎实的编程能力和数据分析能力，涉及影像组学、机器学习及计算机视觉等方面。

 主要研究方向：

一、医学影像学应用研究

1.预测病理状态及疾病分型：通过对影像特征的提取，联合临床资料，挖掘其与疾病本质间的内在联系。目前在神经及精神疾病多模态影像研究、骨肿瘤生物学行为评估、肝癌微血管浸润及乳腺癌的分型、淋巴结转移、HER-2表达状态等方向取得不错的进展。

2.预测疾病的疗效及预后：通过影像预测患者远期治疗效果及预后，进一步指导个体化精准治疗。目前在多时序预测乳腺癌新辅助化疗疗效、急性缺血性脑卒中患者无效再通、恶性脑水肿及脑疝的发生风险等方面取得阶段性成果。

3.辅助诊断平台的搭建：我们还专注于建立高效、精准的人工智能辅助阅片平台，这些平台已成功应用于多时序影像的乳腺癌和肺部感染的诊断，极大提高了诊断的效率和准确性。

二、肿瘤放射物理应用研究

三、基础科学研究

我们专注于开发具有特殊功能的生物医学材料和新型医学影像材料。通过运用物理、化学、生物学及纳米技术等方法，我们制备出既能提供优质影像也能进行病灶干预的材料，例如通过药物递送、光热治疗和放射治疗等方式。这些创新材料不仅提高了疾病诊断的准确性和灵敏度，而且促进了诊疗一体化的实现。

四、医学影像技术研究

人工智能算法可通过大量医学图像的训练及优化有效地提取出各种疾病的关键特征信息，从而辅助影像医师快速、准确的完成诊断工作，如肺结节检测及评估、骨龄自动测量、骨折检测、乳腺疾病诊断等，我们将基于前期研究工作构建稳定可靠的疾病诊断模型，探索最佳的辅助方案，实现科研成果转化流程。

对于影像技术而言，人工智能可根据疾病特点优化检查条件，尤其是MRI检查序列参数，实验室计划根据各重大疾病的影像学特征，研究个性化、流程化的扫描方案，有望在提升诊断效能的同时缩短检查时间，提升临床工作效率。