近日，自动化学院“人机混合智能与智慧健康研究中心”以杭州电子科技大学为第一单位在人工智能国际知名期刊Neural Networks（NN）上发表了文章《M-DDC: MRI based Demyelinative Diseases Classification with U-Net Segmentation and Convolutional Network》。该论文的第一作者为我校自动化学院2020级硕士研究生周德阳，指导教师为研究中心负责人曹九稳教授。《Neural Networks》是人工智能领域的国际知名期刊之一，SCI中科院一区收录，2023年的影响因子为9.657，在机器学习与模式识别领域具有很高的影响力。
儿童脱髓鞘疾病分类（DDC）与脑磁共振成像（MRI）对于临床诊断至关重要，但过去很少有人关注DDC。 如何基于 MRI 准确区分儿童发病的视神经脊髓炎谱系障碍 (NMOSD) 和急性播散性脑脊髓炎 (ADEM) 在 DDC 中具有挑战性。 本文开发了一种基于联合 U-Net 分割网络和深度卷积网络的新型架构 M-DDC。 U-Net分割可以提供像素级的结构信息，有助于病变区域的位置和大小估计。 DDC 中的分类分支可以检测 MRI 内的兴趣区域，包括出现病变的白质区域。 该方法的性能通过浙江大学医学院附属儿童医院记录的 201 名受试者的 MRI 进行评估。 比较表明，所提出的 DDC 在 ADEM 和 NMOSD 分类和分割方面分别实现了 99.19% 的准确率和 71.1% 的Dice指标。
图:DDC架构
人机混合智能与智慧健康研究中心隶属于杭州电子科技大学自动化学院，依托于浙江省机器学习与智慧健康国际合作基地，主要研究方向包括：机器学习、深度学习、医学信号处理、场景文字识别、自然语言处理等。研究中心现有在职教师11名，其中包含6位教授、2位副教授、3位讲师，硕博生60余名。负责人曹九稳教授是自动化学院院长，浙江省机器学习与智慧健康国际合作基地中心主任，国家级青年人才。研究中心与法国巴黎大学、新加坡南洋理工大学、加拿大温莎大学、德国伍伯塔尔大学、澳门大学、复旦华山医院、浙江省儿保医院、浙二医院等长期保持科研合作；研究中心学生多次赴法国、加拿大等交流学习，毕业生多就职于华为、字节跳动、海康威视等国内知名企业。