［本站讯］近期，软件学院前沿交叉研究中心智能图形图像处理实验室周元峰教授团队在医工交叉多模态数据智能处理领域取得新进展，研究成果分别发表在IEEE Transactions on Multimedia（中科院一区，TOP期刊，IF=7.3）、IEEE Transactions on Visualization and Computer Graphics（中科院一区，TOP期刊，IF=5.2）、Medical Image Analysis（中科院一区，TOP期刊，IF=13.8）、IEEE Transactions on Medical Imaging（中科院一区，TOP期刊，IF=10.6）。软件学院博士研究生庄少杰、王琛、刘尽华、陆书一分别为4篇论文的第一作者，周元峰教授为通讯作者，山东大学为唯一第一作者和通讯作者单位。

面向数字化口腔正畸领域，口扫模型的分割是关键问题之一。本研究提出了一种全自动的口扫模型牙齿分割算法。该方法充分融合了语义分割标签分布预测和实例分割单牙齿精确分割的优势，结合基于牙弓曲线的后处理技术，有效提升了牙齿分割和标注的准确度。以上技术在口腔临床实践中可以实现全自动分割任意大小和位姿的牙齿点云模型，为下游的数字化正畸任务提供了很好的支撑。

面向智能化口腔正畸领域，针对牙齿正畸目标位自动预测问题提出了一种基于牙齿解剖特征点约束和层次图结构的神经网络。该方法首先预测牙齿解剖特征点，并使用层次图网络结构预测每颗牙齿正畸治疗的刚性变换，定义了特征点约束以指导网络学习正常牙齿排列与正常咬合。以上工作相较于以往方法获得了更加出色的效果，并且具有临床可解释性，为智能化牙齿正畸领域的实际应用提供了新的方法和技术手段。

针对CT影像数据的智能分割领域，围绕腰椎影像存在的噪声、伪影等问题，本研究提出了一种用于腰椎CT影像解剖结构分割的由粗到细的深度神经网络框架，该框架使用两种策略获得了更准确的分割结果。首先，采用渐进式细化过程通过增强弱特征表示来纠正低置信度区域。其次，提出了一种灰度自调整网络（GSA-Net）来动态优化密度分布。实验结果证明该成果能够有效地分割出腰部的椎间盘、硬膜囊以及神经根，能够辅助临床医生进行腰椎间盘疾病的诊断，该分割系统已经在山东省立医院等开展临床应用。

面向基于CT影像的病灶区域分类领域，针对在腰椎间盘突出症检测中不同病变之间的差异性小等问题，本研究提出了一种基于协作的多元数据融合网络（CMMF-Net）。该模型提出一种新的多尺度特征融合（MFF）模块，并设计了新的损失函数，以增强网络对于椎间盘内外边缘的学习能力。使用距离矩阵特征、医学影像和多尺度融合特征组成输入数据参与训练，并输出预测结果和类激活图（CAM）。大量实验证明了方法的有效性，为腰椎间盘疾病检测与临床诊断提供了参考依据。

以上研究工作得到了国家自然科学基金（62172257）、国家战略性国际科技创新合作专项重点研发计划（No.2021YFE0203800）、国家自然科学基金委浙江省信息化与工业化融合联合基金（U1909210），以及山东大学-数字人科技虚拟仿真联合实验室项目的资助。

原文链接：

1.Robust Hybrid Learning for Automatic Teeth Segmentation and Labeling on 3D Dental Models

2.Tooth Alignment Network Based on Landmark Constraints and Hierarchical Graph Structure

3.Grayscale self-adjusting network with weak feature enhancement for 3D lumbar anatomy segmentation

4.Collaborative Multi-Metadata Fusion to Improve the Classification of Lumbar Disc Herniation