《中国图象图形学报》精准诊断专刊简介

沈定刚，周涛，雷柏英，丁忠祥，陈慧灵，施俊，李晨，韩向娣

1.上海科技大学生物医学工程学院，上海 201210；2.上海联影智能医疗科技有限公司，上海 200230；3.北方民族大学计算机科学与工程学院，银川 750021；4.深圳大学生物医学工程学，深圳，518037；5.西湖大学附属杭州市第一人民医院放射科，杭州 310006；6.温州大学计算机与人工智能学院，温州 325035；7.上海大学通信与信息工程学院，上海 200444；8.东北大学医学与生物信息工程学院，沈阳 110167；9.《中国图象图形学报》编辑部，北京 100190

“医学图像就是医生的眼睛。”广义上的医学图像指在医疗行为中获取的所有和诊疗相关的图像，主要有组织器官的直接图像，如包括超声、X 线摄片、CT、MRI、PET、SPECT、fMRI 等影像学图像，以及病理切片、骨髓、痰涂片在内的病理学图像。随着医学技术的发展，患者的病理生理状态被从不同的角度进行展示，这对患者的临床诊断和个性化治疗都起到了至关重要的作用。精准诊断是通过人工智能的方法确定个体患者的特征属性，使诊断技术不仅关注疾病诊断的共性，更关注患者个体差异，帮助医生快速且精确地对病症进行诊断与治疗。因此，精准诊断为临床诊断技术的发展注入了全新的活力，是未来临床诊断的研究热点。

基于医学影像的精准诊断发展迅速，通过采用人工智能技术，协助医生在诊断治疗过程中进行准确分析，降低医生因主客观因素的干扰导致的诊疗误差。除此之外，人工智能可以作为有力的工具，建立不同模态医学图像之间的关系。这使得医学信息能够脱离传统医学研究中单因素相关性研究面临的干扰，探究不同尺度下所反映的疾病或生理状态的同质性，达到提高诊断可靠性的目的。

为深入探讨和研究上述问题，展示我国学者在精准诊断技术方面的重要进展，《中国图象图形学报》邀请业内专家共同策划推出“精准诊断”专刊，主要聚焦于采用医学影像做疾病的精准诊断，着重于人工智能转化研究，旨在解决精准诊断面临的具体挑战，并促进医学影像人工智能算法的开发和临床验证、部署和临床实践中的性能监控。

专刊收到领域内相关学者积极踊跃的投稿。经过严格评审，共收录学术论文18 篇，其中综述2 篇、数据集论文1篇、图像分析与识别论文11篇，以及图像理解与计算机视觉论文4篇。

综述《胎儿脑磁共振图像分割研究进展》（作者：陈健，广梦婷，陆冉林，罗琴，魏丽芳，沈定刚*）针对胎儿脑磁共振图像分割方法进行综述，首先，对胎儿脑磁共振图像的主要公开图谱/数据集进行详细说明；接着，对脑实质提取、组织分割和病灶分割方法进行全面的分类与分析；最后，对胎儿脑磁共振图像分割面临的挑战及未来的研究方向进行总结与展望。

综述《深度学习在口腔医学影像中的应用与挑战》（作者：赵阳，李俊诚*，成博栋，牛娜君，王龙光，高广谓，施俊）从口腔医学影像领域常用的二维X射线影像、三维点云/网格影像和锥形束计算机断层扫描影像三种影像出发，介绍深度学习技术在口腔医学影像处理及分析领域应用的思路和现状，分析了各算法的优缺点及该领域所面临的问题和挑战，并对未来的研究方向和可能开展的临床应用进行展望，以助力智慧口腔建设。

数据集论文《GZMH：一种用于有丝分裂细胞核检测和分割的乳腺癌病理图像数据集》（作者：汪华登，王雪馨，黎兵兵*，刘志鹏，许浩，潘细朋，蓝如师，罗笑南）本文发布了来自中国赣州市立医院临床环境的数据集GZMH（Ganzhou municipal hospital）。所整理并公开发布的数据集GZMH 包含55 幅全视野数字切片（WSIs）临床乳腺癌病理图像，提供了用于有丝分裂细胞核目标检测和语义分割研究的两种标注，并由2名高年资医师对3名初级病理医师的标注进行了复核。5 种主流目标检测方法和5 种经典分割方法在GZMH 数据集上进行了训练和测试，检验它们在临床数据集GZMH上的性能。所有方法在面对较大规模的临床数据集GZMH时的性能都明显低于它们在一些公开数据集上的性能结果。该数据集能够用于有丝分裂目标检测与语义分割研究任务，且此数据集中的图像更加接近实际的应用场景，在推动乳腺病理图像有丝分裂细胞核分割的研究和临床应用方面具有较大的价值。数据集在线发布地址为：https://doi.org/10.57760/sciencedb.08547。

图像分析与识别论文包括：

《相似度感知蒸馏的统一弱监督个性化联邦图像分割》（作者：潘建珊，林立，吴洁伟，刘翼翔，陈孝华，林其友，黄建业，唐晓颖*）；

《融合残差上下文编码和路径增强的视杯视盘分割》（作者：梅华威，尚虹霖，苏攀*，刘艳平）；

《结合局部全局特征与多尺度交互的三维多器官分割网络》（作者：柴静雯，李安康，张浩，马泳，梅晓光*，马佳义）；

《多尺度融合增强的纵膈淋巴结超声弹性图像分割》（作者：周奇，杨行，田传耕，唐璐*，惠雨）；

《面向低剂量CT的牙齿分割网络》（作者：秦俊，卢婷岚，纪柏*，李雨晴）；

《全监督和弱监督图网络的病理图像分割》（作者：沈熠婷，陈昭*，张清华，陈锦豪，王庆国）；

《U-Net 通道变换网络在腺体图像分割中的应用》（作者：曹伟杰，段先华*，许振伟，盛帅）；

《单域泛化X-ray乳腺肿瘤检测》（作者：史彩娟*，郑远帆，任弼娟，孔凡跃，段昌钰）；

《TransAS-UNet：融 合Swin Transformer 和Unet的乳腺癌区域分割算法》（作者：徐旺旺，许良凤，李博凯，周曦，律娜*，詹曙）；

《基于边缘信息增强的前列腺MR 图像分割网络》（作者；张蝶，黄慧*，马燕，黄丙仓，陆炜平）；

《自适应模态融合双编码器MRI 脑肿瘤分割网络》（作者：张奕涵，柏正尧*，尤逸琳，李泽锴）。

图像理解与计算机视觉论文包括：

《融合帧间时序关系的标准胎儿四腔心超声切面自动获取》（作者：徐光柱，吴梦琦，钱奕凡，王阳，刘蓉，周军，雷帮军*）；

《自适应个性化联邦学习：迁移鲁棒特征构建医学图像分类模型》（作者：陆森良，冯宝*，徐坤财，陈业航，陈相猛）；

《用于组织病理图像分类的双层多实例学习模型》（作者：陆浩，陈金令*，陈杰，陈百合，唐卓葳）；

《JIR-Net：一种用于光声层析图像重建的联合迭代重建网络》（作者：候英飒，孙正*，孙美晨）。

我们期待广大读者和科技人员通过“精准诊断”专刊，能够更深入、更全面地了解该领域的最新方法和应用，吸引更多学者从事相关研究并产生具有国际影响力的优秀成果，为本领域的发展做出新的贡献。