项目解决的问题或方向

乳腺癌临床精确诊断是制定最佳治疗方案的关键所在，但是癌症局部微环境的高度异质性导致乳腺癌早期精准诊断极为困难。项目针对该临床问题，利用人工智能方法融合患者基因测序与临床影像数据，设计癌症异质多模态预测模型与算法，构建乳腺癌早期智能辅助诊断系统。

团队简介

机器学习与医学应用团队负责人，分别于2005年、2008年和2012年获得信息与计算科学理学学士、计算机软件与理论工学硕士、计算机应用技术工学博士学位。2015年全职回国工作，2016年破格副教授，2019年破格教授。目前团队包括教授一名、副教授生两名，博士生/硕士生20余人。

主要从事数据挖掘与机器学习、医学影像处理、生物信息学等领域的研究工作。在国际期刊IEEE TKDE、Pattern Recognition、Cell Stem Cell、Bioinformatics、PLoS Computational Biology等发表SCI检索的论文80多篇, CCF A 类期刊2篇、中科院一区5篇，中科院二区/CCF B类期刊30篇、IEEE Trans长文5篇，单篇最高影响因子23.96。Google Scholar统计引用2000余次，其中SCI引用1000多次，被美国科学院院士、图灵奖获得者引用与积极评价，被Physics Reports(影响因子：23.79)、Nature Review Genetics（(影响因子：42.19）长篇引用。担任IEEE PAMI、TKDE 等10多个国际期刊的审稿人、CCF生物信息学专委会委员、CCF医学数据挖掘专委会委员等职务。

主持国家自然科学基金面上项目、青年基金、省自然科学基金等项目10余项，参与国家自然科学基金重大、重点项目3项，获中国电子学会科技技术奖二等奖一项、陕西省优秀博士毕业论文奖、入选首届华山学者菁英人才计划。

项目介绍

项目利用人工智能技术解决乳腺癌早期临床诊断问题，为临床医师治疗方案选择提供辅助帮助，项目解决如下三方面问题：

　 ⑴基于深度学习的乳腺癌CT影像特征提取与筛选：采用卷积神经网络构建半自动肿瘤分割方法，通过融合临床影像专家知识，对肿瘤边界进行精准分割，以提高影像分割的效率与精度。拟通过融合临床知识，设计机器学习方法进行维数约简，筛选出区分度高、冗余度低的特征。

  ⑵基于基因多组学集成分析的乳腺癌致病基因及其提取：从回顾性患者样本中选取患者的石蜡封存组织切片样本，利用二代测序技术提取全基因表述数据，筛选与局部进展期乳腺癌高度关联的基因分子标记物。利用生物网络分析方法，识别致癌基因与模式。

    ⑶基于影像基因组学的乳腺癌智能辅助诊断系统构建：采用影像基因组方法融合临床、影像与基因特征，构建乳腺癌智能诊断模型，实现智能辅助系统，辅助与指导临床决策。

产业模式及市场分析、成果形式（专利，软著，系统、产品等）

     成果以高水平论文、专利、软著、系统等方式呈现

    1. 发表高水平学术论文2-3篇

    2. 申请国家发明专利1-2项

    3. 构建智能辅助诊断系统1个，登记软件著作权1-2项