北理工團(tuán)隊(duì)在紅外靜脈血管智能識(shí)別領(lǐng)域取得新進(jìn)展
發(fā)布日期：2025-07-07 供稿：光電學(xué)院 攝影：光電學(xué)院
編輯：盛筠 審核：李家方 閱讀次數(shù)：
靜脈血管智能識(shí)別技術(shù)是實(shí)現(xiàn)靜脈穿刺精準(zhǔn)化與智能化的重要技術(shù)手段，在臨床醫(yī)療、智能診療裝備等領(lǐng)域具有重要應(yīng)用價(jià)值。然而，實(shí)際場(chǎng)景中的靜脈血管受組織遮擋、個(gè)體差異等因素影響，傳統(tǒng)醫(yī)學(xué)影像分割方法很難實(shí)現(xiàn)精準(zhǔn)分割。針對(duì)靜脈穿刺智能化面臨的血管可視化與識(shí)別難題，科研團(tuán)隊(duì)創(chuàng)新性地提出了一種基于半監(jiān)督聯(lián)邦學(xué)習(xí)的特征差異優(yōu)化分割框架——FedCD（Federated Client-Distilled model），相關(guān)研究成果發(fā)表在醫(yī)學(xué)圖像處理領(lǐng)域的國(guó)際頂級(jí)期刊《IEEE Transactions on Medical Imaging（IEEE TMI）》上。論文的第一作者為北京理工大學(xué)沈?qū)幉┦垦芯可?，通訊作者為許廷發(fā)教授和李佳男副研究員。
針對(duì)靜脈血管數(shù)據(jù)分布異構(gòu)性挑戰(zhàn)，科研團(tuán)隊(duì)通過構(gòu)建多模態(tài)客戶端蒸餾體系，實(shí)現(xiàn)了對(duì)完全標(biāo)注、部分標(biāo)注和完全未標(biāo)注三種數(shù)據(jù)分布模式的協(xié)同優(yōu)化，體系結(jié)構(gòu)如圖1所示。
圖1. FedCD模型體系結(jié)構(gòu)圖
該方法將半監(jiān)督聯(lián)邦學(xué)習(xí)擴(kuò)展到實(shí)際醫(yī)療數(shù)據(jù)場(chǎng)景，通過多模態(tài)蒸餾解決非獨(dú)立同分布（non-IID）問題；構(gòu)建了動(dòng)態(tài)權(quán)重調(diào)整策略，在保護(hù)數(shù)據(jù)隱私的前提下實(shí)現(xiàn)跨機(jī)構(gòu)特征協(xié)同；設(shè)計(jì)了模型約束機(jī)制，提升了全局模型在復(fù)雜血管形態(tài)下的分割魯棒性。圖2展示了在皮下靜脈血管數(shù)據(jù)集上的智能識(shí)別結(jié)果，直觀呈現(xiàn)了算法在保持血管結(jié)構(gòu)連續(xù)性和邊緣精確性方面的優(yōu)勢(shì)。
圖2. 智能識(shí)別結(jié)果圖
為進(jìn)一步評(píng)估模型在醫(yī)學(xué)圖像分割領(lǐng)域的適應(yīng)性，在皮膚病變數(shù)據(jù)集ISIC2018上進(jìn)行了跨域驗(yàn)證，都展現(xiàn)出優(yōu)于現(xiàn)有主流醫(yī)學(xué)影像分割模型的性能，如圖3所示。
圖3. 智能識(shí)別結(jié)果圖
該研究成果有效解決了靜脈穿刺應(yīng)用中血管特征多樣性和醫(yī)學(xué)數(shù)據(jù)標(biāo)注不足的關(guān)鍵難題，成功克服了跨機(jī)構(gòu)醫(yī)療數(shù)據(jù)分布異構(gòu)性帶來的模型偏差問題，為靜脈血管智能分割提供了可靠的理論框架和技術(shù)支撐。
論文詳情：Ning Shen, Tingfa Xu, Shiqi Huang, Zhenxiang Chen, and Jianan Li. "Dynamic Client Distillation for Semi-supervised Federated Learning in A Realistic Scenario [J]" IEEE Transactions on Medical Imaging, Early Access.
論文鏈接：https://doi.org/10.1109/TMI.2025.3570054
附作者簡(jiǎn)介：
第一作者：沈?qū)帲?020級(jí)北京理工大學(xué)博士研究生。主要從事光學(xué)成像和智能醫(yī)學(xué)視覺處理等方面的研究，現(xiàn)已在國(guó)際頂刊IEEE TMI，IEEE TGRS，IEEE JBHI等發(fā)表論文8篇。
通訊作者：
李佳男，博士，北京理工大學(xué)長(zhǎng)聘副教授/博導(dǎo)。主要從事光電成像目標(biāo)探測(cè)與識(shí)別等方面的研究，主持國(guó)家自然科學(xué)基金等項(xiàng)目5項(xiàng)。以第一/共一作者發(fā)表IEEE TPAMI 4篇，IEEE TNNLS、CVPR等論文11篇，ESI高被引論文1篇；以通訊作者發(fā)表論文40余篇；谷歌學(xué)術(shù)總引4000余次。入選中國(guó)科協(xié)及北京市科協(xié)“青年人才托舉工程”項(xiàng)目，獲得中國(guó)圖象圖形學(xué)學(xué)會(huì)優(yōu)秀博士學(xué)位論文，王大珩光學(xué)獎(jiǎng)等榮譽(yù)。指導(dǎo)學(xué)生獲得ICCV 2021“反無(wú)人機(jī)跟蹤”挑戰(zhàn)賽國(guó)際冠軍及最佳論文獎(jiǎng)、第四屆“空天杯”創(chuàng)新創(chuàng)意大賽二等獎(jiǎng)、中國(guó)高等教育博覽會(huì)“校企合作 雙百計(jì)劃”典型案例等。研究成果在國(guó)家重大科技基礎(chǔ)設(shè)施中得到重要應(yīng)用。
許廷發(fā)，博士，北京理工大學(xué)重慶創(chuàng)新中心副主任，光電成像技術(shù)與系統(tǒng)教育部重點(diǎn)實(shí)驗(yàn)室主任，國(guó)家一級(jí)重點(diǎn)學(xué)科“光學(xué)工程”學(xué)科責(zé)任教授/博導(dǎo)。近年來帶領(lǐng)其科研團(tuán)隊(duì)圍繞光電成像探測(cè)與識(shí)別、計(jì)算成像和人工智能等領(lǐng)域不斷深化研究。主持承擔(dān)國(guó)家自然科學(xué)基金委重大科研儀器研制項(xiàng)目等50多項(xiàng)。在國(guó)際、國(guó)內(nèi)等系列期刊發(fā)表學(xué)術(shù)論文200余篇，其中被SCI/EI收錄100余篇。以第一發(fā)明人申請(qǐng)國(guó)家發(fā)明專利87項(xiàng)，已授權(quán)和公示35項(xiàng)。獲省部級(jí)科技進(jìn)步二等獎(jiǎng)等獎(jiǎng)項(xiàng)3項(xiàng)。指導(dǎo)研究生獲得中國(guó)圖象圖形學(xué)學(xué)會(huì)優(yōu)秀博士學(xué)位論文，二人次獲得王大珩高校學(xué)生光學(xué)獎(jiǎng)，三人次獲得全國(guó)光學(xué)與光學(xué)工程博士生學(xué)術(shù)聯(lián)賽全國(guó)百?gòu)?qiáng)，獲得中國(guó)圖象圖形學(xué)會(huì)優(yōu)秀博士論文指導(dǎo)教師、中國(guó)高等教育博覽會(huì)“校企合作 雙百計(jì)劃”典型案例和重慶英才創(chuàng)新創(chuàng)業(yè)示范團(tuán)隊(duì)等榮譽(yù)稱號(hào)。
分享到：