近期，我校电子电气工程学院智能媒体计算团队刘翔副教授、赵静文博士、马瑞琳同学，与第二军医大学、哈佛大学分子细胞生物学系和脑科学中心研究人员共同合作，在计算机科学领域国际顶级期刊《Expert Systems With Applications》上，发表题为“A Clinical Decision Support System for Predicting Cirrhosis Stages via High Frequency Ultrasound Images”的最新研究成果。目前该期刊的最新影响因子为5.5，系中科院SCI期刊分区（2020年升级版）计算机科学大类一区Top期刊。
肝硬化疾病的早期诊断，有助于后续进行相应的治疗，提高患者的生存质量，是医学领域重要的研究课题之一。而利用计算机视觉、机器学习等人工智能相关理论和方法进行肝硬化分期辅助诊断，一直是研究领域的热点和难点。
图1 二级分类模型
“A Clinical Decision Support System for Predicting Cirrhosis Stages via High Frequency Ultrasound Images”论文提出运用改进的cifar网络与ResNet网络联合构建二级分类模型（如图1所示），结合投票机制实现高准确率的肝硬化病程的四分类；提出高并发的辅助诊断系统模型（运行效率如图2所示），为肝硬化的大规模云端筛查与随诊提供了方案。
图2 运行效率图
刘翔副教授研究团队，较早地将高频超声引入肝脏状态分析，医学特征提取与深度学习结合，探索肝硬化辅助诊断方法：曾在期刊《Sensors》（2017）上发表题为“Learning to Diagnose Cirrhosis with Liver Capsule Guided Ultrasound Image Classification”的论文，首次提出将CNN与迁移学习联合运用于肝硬化二分类问题上，取得90%的准确率，为肝硬化的大规模筛查提供了可能；指导研究生刘艺文同学，在期刊《Computers in Biology and Medicine》（2020）上发表题为“A Novel Method for Accurate Extraction of Liver Capsule and Auxiliary Diagnosis of Liver Cirrhosis Based on High-frequency Ultrasound Images”的论文，提取新的肝包膜的四维特征参数，并设计了一种结合SVM和K-Means的分类模型，实现了对正常、轻度、中度和重肝硬化超声图像的有效分类。期间，刘翔副教授带领团队在国际知名会议ICME、BIBM（CCF B类）发表相关研究论文3篇，并应邀做现场报告，在本研究领域获得了较高的知名度。
上述论文是刘翔副教授团队在国家自然科学基金“超声及造影对肝硬化纹理、弹性改变机制的研究”和上海市自然科学基金“基于视觉特征抽取和机器学习驱动的肝纤维化肝硬化超声辅助诊断方法研究”的资助下取得的代表性成果之一。 刘翔副教授为智能媒体计算团队负责人，主要研究工作包括：面向医学影像的深度学习语义理解与可定义计算架构、视频大数据的智能分析与高速检索云计算平台、机器人集群的云端协同工作系统。研究工作获得国家自然科学基金、上海市自然科学基金、文化部科技创新计划、上海市联盟计划的资助，取得成果包括上海市科技进步奖三等奖2项、汽车工业科学技术奖三等奖1项、吴文俊人工智能科学技术奖三等奖1项，上海国际工业博览会特等奖1项，发明专利4项、国际发明专利1项。近年发表SCI论文、CCF B类以上国际会议论文20余篇。