岭大学者研究获突破,提升新冠病毒感染诊断的准确性

岭南大学
+订阅

近日,由岭南大学协理副校长(策略型研究)、计算智能学讲座教授邝得互合著的研究论文,获国际权威组织电机电子工程师学会(IEEE)的著名期刊《IEEE消费电子汇刊》(IEEE Transactions on Consumer Electronics)颁授2024年Chester W. Sall Memorial Awards,表彰其论文为该期刊的最佳论文之一。

岭南大学相关负责人介绍,此次邝得互合著获奖的突破性研究是《实时新冠病毒肺部感染分割系统的边界引导语义学习网络》(Boundary Guided Semantic Learning for Real-Time COVID-19 Lung Infection Segmentation System),提出了一种新的演算法——“边界引导语义学习网络”(BSNet),能够自动在CT扫描中呈现更完整的肺部感染区域,解决过去肺部CT图像感染区域分布分散、背景干扰复杂等问题,同时能更加准确地检测感染区域的边界,从而提升新冠病毒感染诊断的准确性。

“与目前11种最先进的方法相比,我们提出的新方法有更加突出的准确性和效率,在各项评估指标中的性能表现都更优秀,克服了现有技术的众多局限性。”邝得互说,这一突破对新冠病毒感染的诊断和治疗具有重大意义,而且BSNet未来或能快速应用到其他肺部疾病的影像分割任务中,对全球AI辅助医疗产生积极影响。

该论文发表后获得广泛关注,2022年10月至2023年4月期间,连续七个月入选《IEEE消费电子汇刊》的热门论文。

邝得互是计算智能学研究领域的顶尖学者之一,日前当选为2023年度美国国家发明家科学院院士、香港工程科学院院士,并被科睿唯安评选为“2023年度全球高被引科学家”。此前,邝得互已获多项国际认可,包括入列斯坦福大学全球首2%顶尖科学家、2014 IEEE院士,并担任IEEE系统、人与控制论学会主席(SMCS)(2021-2023),2022年当选为亚太人工智慧学会会士等。

南方+记者 姚昱旸

编辑 蒲思伊
校对 蓝淑茹
+1
您已点过

订阅后可查看全文(剩余80%)

更多精彩内容请进入频道查看

还没看够?打开南方+看看吧
立即打开