Logo

医学影像处理

多模态多尺度下对人体器官、
结构和功能的可视化表现

医疗人工智能

o 医学人工智能成像
o 基于深度学习的诊断和治疗辅助
o 多模态医学数据融合

健康医疗大数据

o 基因组的数据管理与分析
o 医疗大数据认知计算技术
o 数据驱动的疾病预测与预防

image01

智能医疗仪器

健康物联网
可穿戴式医疗仪器
智能辅助系统
智能医疗仪器软件的安全性验证

image01

生物信息学

单细胞数据分析
深度学习在基因组学的应用
虚拟干细胞
抗癌药物靶点的计算筛选

image01

中心简介

上海科技大学智能医学信息研究中心致力于智能信息技术在健康医疗产业的应用。以医疗的智能化、普及化、精准化为目标,专注于疾病机理、生物信号采集及处理、智能诊断、生理建模、疾病治疗方法、医疗安全等领域的基础理论研究与临床应用。中心目前由十多位全职教授与相关科研人员组成,研究领域包括医学影像处理、医疗人工智能、健康医疗大数据、智能医疗仪器以及生物信息学等。中心大力促进与医疗企业以及医院的深度合作,推动技术进步及技术转化,提高上海科技大学在生物医学工程领域的国际影响力,培养具有跨领域思维与能力的人才。

研究方向

智能医疗信息研究中心主要有以下五个研究方向:

医学影像处理

医学影像是对人体内部器官、结构和功能的可视化表现。通过对医学影像的应用和分析,可以为临床诊断与治疗提供重要的人体内部影像信息,为疾病的准确诊断和有效治疗提供必要的支持,是现代医学研究和应用的重要领域之一。医学影像学是紧密结合生命科学、医学、工程学、物理学与计算机技术等各研究领域的综合性学科。随着计算机技术、人工智能、大数据等前沿技术的飞速发展,以及各种先进医学成像设备的开发,现代医学影像学也进入了日新月异的发展进程之中。将先进的计算机技术与医学影像处理结合,使传统医学影像技术更加智能化、准确化、人性化,进一步提高医学影像的临床应用价值,强化医学影像技术在疾病预测、诊断和治疗中的重要作用,实现基于大数据和人工智能基础上的精准医疗和远程医疗,是未来医学影像发展的重要方向。

医疗人工智能

医疗人工智能的内容是设计和使用计算机算法来近似实现医务人员在分析复杂医疗数据的认知过程,从而可以自动得出相关的医学结论,由此可以协助人类医生分析预防或诊断技术与治疗疾病的关联性及效果。具体上,医疗AI使用先进的算法从大量医疗保健数据中(包括来自期刊,教科书和临床实践的最新医疗信息)学习有效特征,然后使用获得的知识来协助临床实践,帮助减少人体临床实践中不可避免的诊断和治疗错误,以及帮助对健康风险警报和健康结果进行实时推断和预测。随着近来医疗数据的大量增长以及机器(深度)学习方法的快速发展,人工智能已经在医疗领域取得了显著的成功,而人工智能程序将会被广泛应用于诊断过程,治疗方案开发,药物开发,个性化医疗以及患者监测和护理等实践。本中心在智能医疗方面有如下几个课题:
  • 医学人工智能成像
  • 基于深度学习的诊断和治疗辅助
  • 多模态医学数据融合

健康医疗大数据

随着生物医学技术与信息技术的飞速发展,健康医疗大数据作为有巨大开发潜力的信息资源正在受到各国各界的日益重视。尤其是近年来迅猛发展的人工智能技术,有望把这些数据转化为巨大的社会经济价值(如医疗水平的提高)。然而,健康医疗大数据也对信息技术提出了挑战,比如海量的数据如何存储运输、原始非结构化的数据如何分析、医生与病人缺乏信息技术的训练与人力支持等。我们的研究目标包括解决健康大数据的技术挑战(管理、分析、决策支持),用人工智能与认知计算技术自动化健康大数据的分析,用大数据优化医学诊断和治疗的精度、效率和质量等。相应的技术可以提高数据资源的利用率,为医务人员和医学研究者提供分析数据的便利。 健康医疗大数据有如下几个研究方向:
  • 基因组的数据管理与分析
  • 医疗大数据认知计算技术
  • 数据驱动的疾病预测与预防

智能医疗仪器

随着科技的进步和人民生活水平的提高,医疗仪器逐渐智能化,并由医院走入寻常百姓的家庭。与传统的医疗仪器相比,新型的智能医疗仪器有着自主化、互联化的特点。医疗仪器的自主化可以减轻医护人员的负担,在提供更加及时治疗的同时提高病人的生活质量;而互联化可以结合多个仪器的视角及功能,提供更加准确的诊断以及更加复杂的治疗。然而,为了实现自主化,智能医疗仪器采用日趋复杂的软件来代替医护人员的功能,同时由于病人生理状况多样性以及医疗仪器对于病人生理状况的低可观测性,错误的诊断和治疗的可能性不断增加,为病人带来了极大的安全隐患,对传统的医疗仪器的开发、验证和审批程序也提出了新的挑战。

本中心在智能医疗仪器课题有如下几个研究方向:

  • 健康物联网
  • 可穿戴式医疗仪器
  • 智能辅助系统
  • 智能医疗仪器软件的安全性验证

生物信息学

随着人类基因组项目的完成,新一代基因测序技术以及其它生物技术的飞速发展,大量分子生物学、基因组数据的涌现,需要信息技术(特别是数据科学与机器学习算法)来处理、储存、管理、分析数据。 我们的研究目标包括开发新的计算方法(算法、数据库、统计方法、模型),来更精确更高效地分析数据、找出数据中的规律,用信息技术加速生物知识的发现,应用已有的计算方法,来解释生物现象,预测生物对象的行为(比如细胞命运),对实验生物学研究进行计算支持等等。生物信息学是一门交叉学科,涉及到多学科的知识和技术,包括但不限于:算法,统计学,机器学习,人工智能,数据库和数据挖掘,动态系统论,群体遗传学等。技术可应用于许多与生命科学相关的领域,尤其是疾病研究、药物设计、农业、衰老与长寿研究等。 生物信息学有如下几个研究方向
  • 单细胞数据分析
  • 深度学习在基因组学的应用
  • 虚拟干细胞
  • 抗癌药物靶点的计算筛选

研究人员