MiX-AIAI Lab

MiX-AIAI Lab课题组招生计划

Thu, 06 Aug 2026 00:00:00 GMT

MiX-AIAI Lab课题组招生计划：

医学X射线前沿成像算法与装备实验室（Medical X-ray Advanced Imaging Algorithm and Instrumentation Laboratory，简称MiX-AIAI Lab）由国家级领军学者马建华教授与南方医科大学曾栋副研究员共同领导，聚焦低剂量高分辨CT成像理论与算法，致力于突破临床辐射剂量与图像质量之间的矛盾，推动国产高端CT装备自主创新。

MiX-AIAI Lab主要研究方向包括：

高端CT成像理论与算法：提出非直接对数校正可学习重建、时空异质建模流变重建等创新框架；
低剂量CT智能成像：探索深度学习与经典算法融合的高性能重建技术；
跨机型与多模态成像应用：研究可迁移CT成像模型，探索能谱CT、灌注CT及分布式微剂量CT等前沿方向。

相关成果发表于IEEE TMI、PMB、TRPMS等权威期刊。

MiX-AIAI Lab与西安交通大学智能化诊疗装备研究中心长期联合培养研究生，共同承担了国家自然科学基金区域创新联合基金重大集成项目、国家重点研发计划等多项国家级课题。研究成果已适配于国产高端CT系列产品，实现了从算法到装备的实质性转化，产生了显著经济和社会效益。

每年招生计划：硕士9名，科研实习生1名。

联系方式：zd1989@smu.edu.cn

我们欢迎具有生物医学工程、计算机与人工智能、应用数学、电子信息等背景的推免/统考硕士生及科研实习生加入我们。

研究速递：SMUPhantom——可3D打印的模块化CT灌注物理体模

Wed, 05 Aug 2026 00:00:00 GMT

近日，MiX-AIAI Lab团队曹博宣等人在 Biomedical Physics & Engineering Express 上发表文章 SMUPhantom: a 3D-printable modular CT perfusion phantom for quantitative evaluation of tissue-mimicking dynamic contrast behavior。

该研究提出SMUPhantom，一种基于3D打印的模块化CT灌注物理体模，目标是在受控条件下评估CTP扫描协议、后处理流程和定量重复性。体模采用上、中、下三段式结构，在中间模块中通过POM微球、软蜡和ABS阻塞件构建健康、缺血半暗带和梗死核心三类相对灌注通路，并引入可拆卸旁路流道用于流路扰动实验。

研究在临床CT系统上改变对比剂体积、注射速率和旁路状态，采集AIF/VOF时间密度曲线并生成CBF、CBV、MTT和TTP图。结果显示三类通路具有可分离的动态增强模式，峰值增强和CBV具有较好重复性。

联邦学习突破跨机型壁垒——曾栋团队在Nature工程子刊、Science合作期刊发表医学影像协作新方案

Wed, 15 Jul 2026 00:00:00 GMT

近日，我院曾栋团队在提升跨机构跨机型医学影像协作效率与隐私保护方面取得系列重要进展。团队提出的创新性服务器轮转联邦学习方法，有效解决了多供应商数据协作中的核心难题，相关成果作为最新突破性研究发表于《自然》（Nature）的首个工程领域子刊《通讯-工程》（Communications Engineering）。此前，团队针对联邦学习应对数据异质性的关键研究已发表于Science合作期刊《Cyborg and Bionic Systems》。这些系统性成果为医学影像领域的多机构高效协同与隐私安全开辟了新路径。

背景

医学影像领域亟需跨机构协作以提升诊断能力，但数据隐私与不同供应商数据异质性（如设备、协议、人群差异）是两大核心障碍。传统联邦学习依赖固定中心服务器，存在单点故障风险且难以适配各异的数据特征，限制了模型在未知机构数据上的泛化能力。

Nature子刊核心成果：服务器轮转联邦学习

针对上述挑战，发表在《Nature Communications Engineering》上的研究提出了一种创新的服务器轮转联邦学习方法（SRFLM）。该方法创造性地引入轮转服务器通信机制：各数据供应商依次承担服务器角色，利用自身数据对全局模型进行联邦微调，深度挖掘各供应商数据的全局潜在特征。

同时，采用动态服务器选举策略，根据模型实时收敛性能智能选择最优服务器，显著加速训练过程并提升最终诊断模型的效率。研究团队在图像分类和CT重建任务上验证了SRFLM的有效性。尤为重要的是，SRFLM结合差分隐私技术，在严格保护原始数据隐私的前提下，实现了跨供应商医学影像的高效协同训练，为构建更广泛、更安全的医学影像协作网络提供了切实可行的"新路径"。

Science合作期刊成果：应对数据异质性的相互学习机制

发表于Science合作期刊《Cyborg and Bionic Systems》的研究（题为"Federated Metadata-Constrained iRadonMAP Framework with Mutual Learning for All-in-One CT Imaging"）是该团队解决多源数据异质性问题的关键一步。该研究深入探讨了传统联邦学习方法在处理多源异构CT数据集时的性能局限。

为了克服这一难题，团队创新性地引入了相互学习（Mutual Learning）机制。该机制允许客户端与服务器之间进行更有效的信息共享，并结合提示学习（Prompt Learning）技术来适应不同的成像场景，从而显著增强了联邦学习模型对数据分布差异的适应能力。这项成果不仅提升了联邦学习在CT成像中的模型性能，也为其在混合监督训练和个性化学习方面的应用拓展了空间，为后续SRFLM方法的提出奠定了重要基础。

早期探索

团队在相关领域的系统性研究始于更早发表在IEEE期刊上的工作（"Towards Unified CT Reconstruction: Federated Metadata Learning With Personalized Condition-Modulated iRadonMAP"）。该研究率先探索了联邦学习在提升低剂量CT图像质量中的应用，并针对多机构数据差异导致模型性能下降的问题，提出了利用云端高质量元数据进行联邦元数据学习的方案。在本地客户端则采用条件调节模型，融入特定扫描条件知识来优化重建过程，初步验证了缓解数据异质性影响的可行策略。

作者信息

该系列研究由生物医学工程学院2024级博士生王昊为第一作者，南方医科大学为第一完成单位。西安交通大学练春锋教授、马建华教授和曾栋副研究员为共同通讯作者。研究得到了国家重点研发计划、国家自然科学基金项目等的大力资助。

课题组6篇论文入选CT Meeting 2026国际会议

Fri, 05 Jun 2026 00:00:00 GMT

2026年6月1日至3日，第九届X射线计算机断层成像图像形成国际会议（The 9th International Conference on Image Formation in X-Ray Computed Tomography，CT Meeting 2026）在美国犹他州盐湖城举行，会议地点设于犹他大学宾客之家与会议中心（University Guest House and Conference Center）。课题组共有6篇会议论文入选，其中5篇获得海报展示机会，1篇获得线上口头展示机会，集中呈现了课题组在新型CT成像、光子计数CT、低剂量CT重建及多源静态CT等方向的最新研究进展。

CT Meeting是X射线计算机断层成像领域具有重要影响力的国际学术会议之一，聚焦CT成像理论、系统设计、图像重建与质量提升等前沿问题。本届会议设置了新型CT成像概念、光子计数CT、过吸收X射线成像、有限角与稀疏视角成像、图像质量与辐射剂量、噪声抑制与材料分解等多个专题，并通过专题课程、口头报告、海报展示和学术研讨等形式，为国内外高校、科研机构及产业界专家学者搭建了深入交流的平台。

会议期间，课题组成员通过线上口头报告和海报展示，系统介绍了相关工作的研究背景、方法设计、技术创新及实验结果。相关成果获得会议同行的广泛关注，进一步展示了课题组在医学影像成像理论、关键技术及交叉创新方面的研究基础。

此次6篇论文集中入选CT Meeting 2026，是课题组长期深耕CT成像领域、重视医工交叉与协同创新的阶段性成果。近年来，课题组围绕新型CT成像系统、图像重建、低剂量成像、光子计数CT及人工智能医学影像等方向持续开展科研攻关，不断加强与国内外高校和科研机构的交流合作，积极推动研究成果走向国际学术舞台。

部分海报展示

未来，课题组将以此次会议为契机，继续面向医学影像领域的前沿科学问题和临床应用需求，加强基础理论、核心算法与成像系统的协同创新，着力培养具有国际视野、创新精神和科研实践能力的高层次人才，为推动医学影像技术发展和服务“健康中国”建设贡献力量。

生物医学工程学院医学工程系在Fully 3D 2025国际会议斩获佳绩

Wed, 04 Jun 2025 00:00:00 GMT

2025年5月27-30日，放射与分子医学成像三维重建领域最具影响力的国际会议Fully 3D 2025 (The 18th International Meeting on Fully Three-Dimensional Image Reconstruction in Radiology and Nuclear Medicine)在上海召开，生物医学工程学院医学工程系路利军教授、边兆英副教授、曾栋副研究员带领团队成员携13项成果受邀参会。

研究成果聚焦创新硬件设计、智能成像算法、低剂量扫描及图像处理等前沿领域，包括"重建技术与应用"、"成像系统和技术"、"图像处理与分析"专题会场口头报告4项和壁报展示9项。我院学生展示的研究成果赢得了广泛关注与高度评价，5名研究生荣获Fully3D 2025 Travel Award。

口头报告亮点

在"重建技术与应用"主题会场中，博士研究生王昊展示的《Multi-institutional Collaboration for Low-dose CT Image Reconstruction via Continual Recurrent Learning》，提出了一种基于多机构协作范式的低剂量 CT 重建方法，缓解了多机构数据异质性的影响，实现了多协议下的高质量成像，为医疗机构数据协作提供了新思路。

在"成像系统和技术"主题会场中，硕士研究生余烨辉展示的《Spatio-Temporal Gaussian Splatting for 4D-DSA Reconstruction》，提出基于时空高斯建模的方法，用于4D-DSA重建，提升重建精度和效率。

在"图像处理与分析"主题会场中，博士研究生蒙铭强展示的《Synthetic Data Augmentation using Cross Institution Latent Diffusion Models for Robust CT Imaging》，提出了利用跨机构潜在扩散模型进行合成数据增强的方法，以增强 CT 成像的鲁棒性。硕士研究生曾翠蝶展示的《FTTF-L: Functional Transform-based Low-rank Tensor Fractization Learning Model for Temporally Sampling Cerebral CT Perfusion》，构建了基于函数变换的低秩张量分数化学习模型，用于脑部 CT 灌注成像的时间采样优化。

壁报展示

在壁报展示会场，团队多名学生表现突出：

博士研究生郭义：《Ultra-Low-Dose CT-guided Puncture Method based on Internal Scanning》
博士研究生王昊：《CT Image Harmonization via Style Conversion from Different Reconstruction Kernels》
硕士研究生李玉乐：《An Innovatively Designed Source-and-Detector-Integration Hardware for Static CT System with Monte Carlo Simulation》
硕士研究生张宇健：《Multi-view Angiogram Generation Model for 3D-DSA Reconstruction》
硕士研究生肖萌：《Investigation of 6D Photon Counting Myocardial Perfusion Computed Tomography Imaging in Preclinical Study》
硕士研究生江浩涛：《Rigid motion estimation and compensation in Oral CBCT based on 3D-2D registration》
硕士研究生孟筱：《MUSKNet: Deep learning-based multiple reconstruction kernel harmonization network for CT imaging》
硕士研究生李颖：《TGDM: Textural and Geometric Features Inspired Diffusion Model for Lesion Generation in CT Images》
硕士研究生宋含笑：《INHfun-Net: Implicit Neural Representation with Hyperfunction Network for Medical Image Compression》

Travel Award

生物医学工程学院学子在Fully 3D 2025国际会议上表现优异，研究生蒙铭强、王昊、曾翠蝶、余烨辉、宋含笑荣获Fully3D 2025 Travel Award。该奖项不仅彰显了我校在医学影像研究领域的雄厚实力，也让更多优秀的南医学子在国际学术舞台绽放光彩。

关于Fully 3D会议

Fully3D会议自1991年创办以来，每两年举办一次，已发展成为专注于生物医学多维图像重建算法与计算方法的顶级会议。会议传统上聚焦于X射线CT、PET和SPECT等成像技术，近年来也逐步拓展议题，涵盖了磁共振成像（MRI）、超声成像以及其它新兴成像技术。本届大会共设立了10个专题会场，涵盖PET/SPECT重建、重建技术与应用、运动校正、X射线CT重建、成像系统与技术等多个前沿方向。