深度學習與醫學影像分析深度學習與醫學影像分析1添加標題文字研究基礎研究進展研究設想添加標題文字研究基礎2SVM肺癌預測，2005,9Di

Zhao*,

Fast

Solver

for

Interior

Point

Method

of

SVM

Training

by

Parallel

GMRES

and

HSS,

International

Journal

of

Computing,

2014,13(2):116-124.SVM肺癌預測，2005,9DiZhao*,FastS3統計分布擬合的基因分析。2007Di

Zhao*,

Shenghua

Ni,

Parallel

Multi-proposal

and

Multi-chain

Markov

Chain

Monte

Carlo

for

Calculating

P-value

of

Genome-Wide

Association

Studies,

Parallel

Processing

Letters,23(3),2013.

EI,cite=1.統計分布擬合的基因分析。2007DiZhao*,Shen4皮膚癌的最佳治療規劃：2007-2010細胞間的熱傳導；

采用微分方程模型，全文上千公式；導師：Weizhong

Dai教授；Di

Zhao,

Weizhong

Dai*,

Accurate

Finite

Difference

Schemes

for

Solving

a

3D

Heat

Transfer

Model

in

an

N-Carrier

System

with

Neumann

Boundary

Condition

in

Spherical

Coordinates,

Journal

of

Computational

and

Applied

Mathematics,

2010,(235):850-869.

IF=1.651,

cite=7.

Di

Zhao*,

Jinhang

Yu,

High-efficient

Solving

Tridiagonal

Systems

by

Chunked

Cyclic

Reduction

and

GPU

Shared

Memory,

Journal

of

Supercomputing,

2015,71(2):369-390.

IF=1.532,cite=8;皮膚癌的癥狀建立了皮膚熱傳導的模型，用于對激光的優化。皮膚癌的治療：激光。如何優化激光，達到最大的療效，最小的損傷？中國醫學裝備人工智能聯盟皮膚病專委會委員，

2018年10月?皮膚癌的最佳治療規劃：2007-2010細胞間的熱傳導；Di5胰腺癌的發病預測：2010-2012生存期預測生物醫學信息分析；

發明了加權貝葉斯模型；

導師：George

Hripcsak教授，

Chunhua

Weng教授；胰腺癌示意圖Di

Zhao,

Chunhua

Weng*,

Combining

PubMed

knowledge

and

EHR

data

to

develop

a

weighted

bayesian

network

for

pancreatic

cancer

prediction,Journalof

Biomedical

Informatics,

2011,44(5):859-868.

IF=3.120,

cite=69.David

Elliot

Shaw(born

March

29,1951)isan

American

investor,

computerscientist,

andhedgefund

manager.胰腺癌的發病預測：2010-2012生存期預測胰腺癌示意圖D6統計分布擬合的行為分析：2012-2013Di

Zhao*,

High-accuracy

Non-gradient

Optimizer

by

Vectorized

Iterative

Discrete

Approximation

and

Single

GPU

Computing,

International

JournalofHigh

Performance

Computing

andNetworking,2015,8(4):301-314.EI,

cite=3;Di

Zhao*,

High-accuracy

Optimization

by

Parallel

Iterative

Discrete

Approximation

and

GPU

Cluster

Computing,

Journal

of

Software,

2014,9(9):2366-2377.統計分布擬合的行為分析：2012-2013DiZhao*,7心臟MRI影像分析：2014核磁成像示意圖FFT；GRAPPA；SPIRiT;深度學習；核磁成像算法SPIRiT成像算法Di

Zhao*,

Mobile

GPU

Computing

Based

Filter

Bank

Convolution

for

Three-dimensional

WaveletTransform,

International

Journal

of

Mobile

ComputingandMultimedia

Communications,2016,7(2):22-35.Tiechui

Yao,

Li

Xiao,

Di

Zhao*,

Yuzhong

Sun,

GPU

Computing

based

Fast

DiscreteWaveletTransform

for

l1-regularized

SPIRiT

Reconstruction,

ImagingScience

Journal,2018;IF=0.366;心臟MRI影像分析：2014核磁成像示意圖核磁成像算法SPI8添加標題文字研究基礎研究進展研究設想添加標題文字研究基礎9研究意義：阿爾茨海默病預測老齡化現狀北京的人口老齡化問題變得日益嚴重從北京市十四屆人大三次會議獲悉，2015年全市老年人口已超過300萬，而且每天新增400位老人到2030年，北京市常住老年人口預計將超過500萬，占總人口約30%研究重要性老年神經退行性疾病是老年人的“四大殺手”之一，主要包括阿爾茨海默病（老年癡呆癥），帕金森病等高齡人群中阿爾茨海默病（老年癡呆癥）發病率明顯增高，80歲以上人群中可達30%阿爾茨海默病是發病率最高(60%)的老年神經退行性疾病研究發現，空氣污染（霧霾）顯著提高阿爾茨海默病發病率研究意義：阿爾茨海默病預測老齡化現狀10阿爾茨海默病（Alzheimer‘s

disease）預測ABC阿爾茨海默病（Alzheimer‘s

disease）

是一種起病隱匿的進行性發展的神經系統退行性疾病。阿爾茨海默病導致腦神經細胞死亡，腦組織缺失。如左圖所示，

阿爾茨海默病將導致嚴重臨床上以記憶障礙、失語、失用、失的腦認萎、縮視空間技能損害、執行功能障礙以及人格和行為改變等全面性癡呆表現為特征，病因迄今未明。阿爾茨海默病（Alzheimer‘sdisease）預測A11基于MRI圖像大數據分析的老年退行性疾病早期預警算法及標示物發現，

北京市自然科學基金，

2016年1月至2019年12月。阿爾茨海默病（Alzheimer’s

disease）預測Cognitionscales

Hippocampus

Volume基于MRI圖像大數據分析的老年退行性疾病早期預警算法及標示物12輕度認知障礙智能診斷模型研究，北京市科技計劃課題，2017年1月至2019年12月。輕度認知障礙智能診斷模型研究，北京市科技計劃課題，2017年13基于弱監督深度學習的阿爾茨海默病的早期診斷算法1、Alexnet算法3、增強Alexnet算法4、增強Alexnet算法2、增強Alexnet算法5、增強Alexnet 準確率比較呂鴻蒙，趙地*，遲學斌，基于增強AlexNet的深度學習的阿爾茨海默病的早期診斷，計算機科學，2017,Z6；基于弱監督深度學習的阿爾茨海默病的早期診斷算法1、Alexn14HCMCI基于遷移學習與FDG-PET/MR顯像的的AD預測隨機的深度卷積神經網絡在PET影像上預訓練的神經網絡準確率CaffeNet0.80GoleNet0.85AlexNet0.87VGG160.89中國醫學影像AI

產學研創新戰略聯盟委員首都醫科大學重點實驗室，基于PET

的AD

早期智能診斷模型研究，2017年5月

-

2019年5月；姚鐵錘，趙地，遲學斌，基于多GPU計算與卷積神經網絡的阿爾茨海默癥早期預警研究，HPC

China

2017；入選百度菁英俱樂部；HCMCI基于遷移學習與FDG-PET/MR顯像的的AD預測15項目：深度學習輔助肝病診斷深度學習輔助肝硬化分級：Mass-like

configuration;Arterial-phase

hyper-enhancement;Portal

venous

phase

hyper-enhancement;Increaseof

≥1cm

in

diameterwithin

1

year;Tumor

withinthelumenofavein.

AdaptedfromSaleem

Farooqui,et

al.?

深度學習輔助肝結節檢測與良惡性判斷：automaticliver

segmentation

and

lesion’s

detection.extracting

imagingfeatures.liver

lesions

classification

between

benign

andmalignant

by

using

thenovel

deep

learningapproaches.國家重點研發計劃“乙肝相關終末期肝病”資助（SX2017ZX106047），子課題負責人（110萬/1430萬），2018年1月至2019年12月項目：深度學習輔助肝病診斷深度學習輔助肝硬化分級：?深度學16基于深度學習的超聲影像分析為了精確確定臂叢神經位置，現在廣泛應用超聲設備對神經系統進行檢測和定位。由于臂叢神經超聲圖像是識別神經結構和位置的重要來源，因此超聲圖像識別準確度直接影響注射針頭或者留置導管介入，針對介入精度受人為因素影響等問題，提出了條件隨機場（Conditional

Random

Field）的SegNet改進模型，識別結果，從圖中可以看出模型達到96%以上的訓練精度。戴斯系數（Dice

coefficient）中國醫學裝備協會超聲裝備技術分會大數據與人工智能專委會副主任委員；柴睿，林岳，顏嵩林，趙麗亞，朱豐，趙地*，王庚*，遲學斌，基于SegNet模型的臂叢神經超聲圖像分割，計算機工程，已接收；李麗瑋，熊鳴，錢林學，趙地*，陳金軍*，遲學斌，基于自適應對比度增強和深度CNN的脂肪肝B超影像診斷，計算機應用研究，已接收；陳思文，劉玉江，劉冬，蘇晨，趙地*，錢林學*，遲學斌，基于AlexNet模型和自適應對比度增強（ACE）的乳腺結節超聲圖像的分類，計算機科學，已接收；基于深度學習的超聲影像分析為了精確確定臂叢神經位置，現在廣17基于深度學習的眼科影像分析中國醫藥教育協會智能學專業委員眼科學組常務委員顏嵩林，林溢星，趙地*，遲學斌，基于多重遷移學習的糖尿病視網膜病變檢測，信息與控制，已投稿；基于深度學習的眼科影像分析中國醫藥教育協會智能學專業委員眼18基于深度學習的病理影像分析胃癌病理切片與對應label圖使用label進行過濾后的病理圖像分割后的病理圖像張澤中，高敬陽*，呂綱*，趙地*，基于深度學習的胃癌病理圖像分類方法，計算機科學，已接收；AlexNet與GoogLeNet融合模型的結構網絡模型準確率損失AlexNet99.55%0.017優 化 的GoogLeNet99.70%0.007融合網絡模型99.75%0.007AlexNet對胃癌病理圖像的診斷準確率網絡模型靈敏度特異度AlexNet97.08%99.75%優化的GoogLeNet96.41%99.72%融合網絡模型98.37%99.58%三種不同模型的靈敏度和特異度基于深度學習的病理影像分析胃癌病理切片與對應label圖使用19基于深度學習的EEG分析分析JiahuiZhang,XiongHan*,

seizure-free

epilepsywith

lesupport

vector

machine

(SVM)-based

outcomeDi

Zhao,

Na

Wang,

Ting

Zhao,

Guinv

He,

Xuerui

Zhu,

Ying

Zh

vetiracetam

therapy,

British

Journal

of

Pharmacology,

2018；Architecture

of

the

prediction

system.Sampleentropyofthebandswitha

significantdifferencebetweenseizure-

free(SF)andnotseizure-free(NSF)

groups.Graphicpresentation(boxplot

diagrams)ofrelativesampleentropy

withineachfrequencybandinchannels

F

P

2

,

F

4

,

C

3

,

a

n

d

F

8

,

w

h

i

c

h

a

r

esignificantlydifferentbetweentheSFand

NSF

patients.Treatment

outcome

prediction

summaryang,

Jiuyan

Han,

Dianling

Huang,

SVM-based

personalized

prediction

model

forDiagram

of

patients

across

the

study

period.The

result

of

prediction

outcome

with

decreaseofsample

size.

Blueline=

trainingset;redline=testset;green

line

=

5-foldcross-validation.基于深度學習的EEG分析分析JiahuiZhang,Xi20基于一維CNN的ECG信號分析……房顫篩查模型：ResNet-34層，學習特征豐富，收斂速度快，準確率高。統計指標敏感度

特異性訓練集97.8%94.8%測試集96.3%90.5%

房顫負荷 91.3% 90.2% 一維目標檢測網絡的設計；一維分類網絡的設計；基于一維CNN的ECG信號分析……房顫篩查模型：ResNet21深度學習與醫學影像分析課件22添加標題文字研究基礎研究進展研究設想添加標題文字研究基礎23添加標題文字基于類腦計算（脈沖神經網絡）的心率預測尖峰編碼器第一部分為尖峰編碼器，該部分輸入為原始心跳脈沖。尖峰編碼器是對原始心跳脈沖進行預處理的一個過程，其力求于捕捉到心跳脈沖的上升沿，并最終以01序列脈沖輸出。心率解碼器第三部分為心率解碼器，其輸入是第二部分液態機的輸出。心率解碼器通過對每一個100ms時間間隔的液態機輸出進行分類，對其進行是心跳與否的判斷，

最終計算出1min內的心跳次數，得到最終的心率預測功能。添加標題文字基于類腦計算（脈沖神經網絡）的心率預測尖峰編碼器24謝謝謝謝25深度學習與醫學影像分析深度學習與醫學影像分析26添加標題文字研究基礎研究進展研究設想添加標題文字研究基礎27SVM肺癌預測，2005,9Di

Zhao*,

Fast

Solver

for

Interior

Point

Method

of

SVM

Training

by

Parallel

GMRES

and

HSS,

International

Journal

of

Computing,

2014,13(2):116-124.SVM肺癌預測，2005,9DiZhao*,FastS28統計分布擬合的基因分析。2007Di

Zhao*,

Shenghua

Ni,

Parallel

Multi-proposal

and

Multi-chain

Markov

Chain

Monte

Carlo

for

Calculating

P-value

of

Genome-Wide

Association

Studies,

Parallel

Processing

Letters,23(3),2013.

EI,cite=1.統計分布擬合的基因分析。2007DiZhao*,Shen29皮膚癌的最佳治療規劃：2007-2010細胞間的熱傳導；

采用微分方程模型，全文上千公式；導師：Weizhong

Dai教授；Di

Zhao,

Weizhong

Dai*,

Accurate

Finite

Difference

Schemes

for

Solving

a

3D

Heat

Transfer

Model

in

an

N-Carrier

System

with

Neumann

Boundary

Condition

in

Spherical

Coordinates,

Journal

of

Computational

and

Applied

Mathematics,

2010,(235):850-869.

IF=1.651,

cite=7.

Di

Zhao*,

Jinhang

Yu,

High-efficient

Solving

Tridiagonal

Systems

by

Chunked

Cyclic

Reduction

and

GPU

Shared

Memory,

Journal

of

Supercomputing,

2015,71(2):369-390.

IF=1.532,cite=8;皮膚癌的癥狀建立了皮膚熱傳導的模型，用于對激光的優化。皮膚癌的治療：激光。如何優化激光，達到最大的療效，最小的損傷？中國醫學裝備人工智能聯盟皮膚病專委會委員，

2018年10月?皮膚癌的最佳治療規劃：2007-2010細胞間的熱傳導；Di30胰腺癌的發病預測：2010-2012生存期預測生物醫學信息分析；

發明了加權貝葉斯模型；

導師：George

Hripcsak教授，

Chunhua

Weng教授；胰腺癌示意圖Di

Zhao,

Chunhua

Weng*,

Combining

PubMed

knowledge

and

EHR

data

to

develop

a

weighted

bayesian

network

for

pancreatic

cancer

prediction,Journalof

Biomedical

Informatics,

2011,44(5):859-868.

IF=3.120,

cite=69.David

Elliot

Shaw(born

March

29,1951)isan

American

investor,

computerscientist,

andhedgefund

manager.胰腺癌的發病預測：2010-2012生存期預測胰腺癌示意圖D31統計分布擬合的行為分析：2012-2013Di

Zhao*,

High-accuracy

Non-gradient

Optimizer

by

Vectorized

Iterative

Discrete

Approximation

and

Single

GPU

Computing,

International

JournalofHigh

Performance

Computing

andNetworking,2015,8(4):301-314.EI,

cite=3;Di

Zhao*,

High-accuracy

Optimization

by

Parallel

Iterative

Discrete

Approximation

and

GPU

Cluster

Computing,

Journal

of

Software,

2014,9(9):2366-2377.統計分布擬合的行為分析：2012-2013DiZhao*,32心臟MRI影像分析：2014核磁成像示意圖FFT；GRAPPA；SPIRiT;深度學習；核磁成像算法SPIRiT成像算法Di

Zhao*,

Mobile

GPU

Computing

Based

Filter

Bank

Convolution

for

Three-dimensional

WaveletTransform,

International

Journal

of

Mobile

ComputingandMultimedia

Communications,2016,7(2):22-35.Tiechui

Yao,

Li

Xiao,

Di

Zhao*,

Yuzhong

Sun,

GPU

Computing

based

Fast

DiscreteWaveletTransform

for

l1-regularized

SPIRiT

Reconstruction,

ImagingScience

Journal,2018;IF=0.366;心臟MRI影像分析：2014核磁成像示意圖核磁成像算法SPI33添加標題文字研究基礎研究進展研究設想添加標題文字研究基礎34研究意義：阿爾茨海默病預測老齡化現狀北京的人口老齡化問題變得日益嚴重從北京市十四屆人大三次會議獲悉，2015年全市老年人口已超過300萬，而且每天新增400位老人到2030年，北京市常住老年人口預計將超過500萬，占總人口約30%研究重要性老年神經退行性疾病是老年人的“四大殺手”之一，主要包括阿爾茨海默病（老年癡呆癥），帕金森病等高齡人群中阿爾茨海默病（老年癡呆癥）發病率明顯增高，80歲以上人群中可達30%阿爾茨海默病是發病率最高(60%)的老年神經退行性疾病研究發現，空氣污染（霧霾）顯著提高阿爾茨海默病發病率研究意義：阿爾茨海默病預測老齡化現狀35阿爾茨海默病（Alzheimer‘s

disease）預測ABC阿爾茨海默病（Alzheimer‘s

disease）

是一種起病隱匿的進行性發展的神經系統退行性疾病。阿爾茨海默病導致腦神經細胞死亡，腦組織缺失。如左圖所示，

阿爾茨海默病將導致嚴重臨床上以記憶障礙、失語、失用、失的腦認萎、縮視空間技能損害、執行功能障礙以及人格和行為改變等全面性癡呆表現為特征，病因迄今未明。阿爾茨海默病（Alzheimer‘sdisease）預測A36基于MRI圖像大數據分析的老年退行性疾病早期預警算法及標示物發現，

北京市自然科學基金，

2016年1月至2019年12月。阿爾茨海默病（Alzheimer’s

disease）預測Cognitionscales

Hippocampus

Volume基于MRI圖像大數據分析的老年退行性疾病早期預警算法及標示物37輕度認知障礙智能診斷模型研究，北京市科技計劃課題，2017年1月至2019年12月。輕度認知障礙智能診斷模型研究，北京市科技計劃課題，2017年38基于弱監督深度學習的阿爾茨海默病的早期診斷算法1、Alexnet算法3、增強Alexnet算法4、增強Alexnet算法2、增強Alexnet算法5、增強Alexnet 準確率比較呂鴻蒙，趙地*，遲學斌，基于增強AlexNet的深度學習的阿爾茨海默病的早期診斷，計算機科學，2017,Z6；基于弱監督深度學習的阿爾茨海默病的早期診斷算法1、Alexn39HCMCI基于遷移學習與FDG-PET/MR顯像的的AD預測隨機的深度卷積神經網絡在PET影像上預訓練的神經網絡準確率CaffeNet0.80GoleNet0.85AlexNet0.87VGG160.89中國醫學影像AI

產學研創新戰略聯盟委員首都醫科大學重點實驗室，基于PET

的AD

早期智能診斷模型研究，2017年5月

-

2019年5月；姚鐵錘，趙地，遲學斌，基于多GPU計算與卷積神經網絡的阿爾茨海默癥早期預警研究，HPC

China

2017；入選百度菁英俱樂部；HCMCI基于遷移學習與FDG-PET/MR顯像的的AD預測40項目：深度學習輔助肝病診斷深度學習輔助肝硬化分級：Mass-like

configuration;Arterial-phase

hyper-enhancement;Portal

venous

phase

hyper-enhancement;Increaseof

≥1cm

in

diameterwithin

1

year;Tumor

withinthelumenofavein.

AdaptedfromSaleem

Farooqui,et

al.?

深度學習輔助肝結節檢測與良惡性判斷：automaticliver

segmentation

and

lesion’s

detection.extracting

imagingfeatures.liver

lesions

classification

between

benign

andmalignant

by

using

thenovel

deep

learningapproaches.國家重點研發計劃“乙肝相關終末期肝病”資助（SX2017ZX106047），子課題負責人（110萬/1430萬），2018年1月至2019年12月項目：深度學習輔助肝病診斷深度學習輔助肝硬化分級：?深度學41基于深度學習的超聲影像分析為了精確確定臂叢神經位置，現在廣泛應用超聲設備對神經系統進行檢測和定位。由于臂叢神經超聲圖像是識別神經結構和位置的重要來源，因此超聲圖像識別準確度直接影響注射針頭或者留置導管介入，針對介入精度受人為因素影響等問題，提出了條件隨機場（Conditional

Random

Field）的SegNet改進模型，識別結果，從圖中可以看出模型達到96%以上的訓練精度。戴斯系數（Dice

coefficient）中國醫學裝備協會超聲裝備技術分會大數據與人工智能專委會副主任委員；柴睿，林岳，顏嵩林，趙麗亞，朱豐，趙地*，王庚*，遲學斌，基于SegNet模型的臂叢神經超聲圖像分割，計算機工程，已接收；李麗瑋，熊鳴，錢林學，趙地*，陳金軍*，遲學斌，基于自適應對比度增強和深度CNN的脂肪肝B超影像診斷，計算機應用研究，已接收；陳思文，劉玉江，劉冬，蘇晨，趙地*，錢林學*，遲學斌，基于AlexNet模型和自適應對比度增強（ACE）的乳腺結節超聲圖像的分類，計算機科學，已接收；基于深度學習的超聲影像分析為了精確確定臂叢神經位置，現在廣42基于深度學習的眼科影像分析中國醫藥教育協會智能學專業委員眼科學組常務委員顏嵩林，林溢星，趙地*，遲學斌，基于多重遷移學習的糖尿病視網膜病變檢測，信息與控制，已投稿；基于深度學習的眼科影像分析中國醫藥教育協會智能學專業委員眼43基于深度學習的病理影像分析胃癌病理切片與對應label圖使用label進行過濾后的病理圖像分割后的病理圖像張澤中，高敬陽*，呂綱*，趙地*，基于深度學習的胃癌病理圖像分類方法，計算機科學，已接收；AlexNet與GoogLeNet融合模型的結構網絡模型準確率損失AlexNet99.55%0.017優 化 的GoogLeNet99.70%0.007融合網絡模型99.75%0.007AlexNet對胃癌病理圖像的診斷準確率網絡模型靈敏度特異度AlexNet97.08%99.75%優化的GoogLeNet96.41%99.72%融合網絡模型98.37%99.58%三種不同模型的靈敏度和特異度基于深度學習的病理影像分析胃癌病理切片與對應label圖使用44基于深度學習的EEG分析分析JiahuiZhang,XiongHan*,

seizure-free

epilepsywith

lesupport

vector

machine

(SVM)-based

outcomeDi

Zhao,

Na

Wang,