团队任务简介：

　　眼底影像是多种致盲性眼病的诊断依据，本项目旨在建立一个综合眼病人工智能诊断平台，实现对几大常见致盲眼病（具体包括青光眼、白内障、糖尿病视网膜病变、病理性近视等）的人群筛查和辅助基层诊断，解决目前常见致盲性眼病筛查难、诊断难、随访难的临床问题。项目具体研究内容包括：建立一个综合眼病标准化数据库；开发眼底图像质量评估和增强算法；开发针对多种眼病的AI算法；对算法的泛化能力及准确度进行临床验证与算法优化；搭建综合眼病人工智能诊断平台。在项目中研究多病种AI分类、医学先验知识和人工智能算法的融合、致盲性眼病标准化标注等关键科学问题，并积极进行成果推广。

　　

PI：王宁利 教授 

　　全国政协委员，北京同仁眼科中心主任，全国防盲技术指导组组长，首都医科大学眼科学院院长，国际眼科学院院士，亚太眼科学会主席，中国医师协会眼科医师分会会长，《中华眼科杂志》总编辑；世界青光眼协会理事会成员，亚太青光眼协会理事会成员，眼科学学科带头人。主持863计划、国家自然科学基金和科技部重大重点项目等12项。

　　入选Elsevier高引学者榜、全球最具影响力百名眼科医生。荣获亚太眼科学会高级成就奖、中美眼科学会金苹果奖、世界青光眼学会高级临床科学家奖等。作为第一完成人获“国家科学技术进步二等奖”2 项，省部级一等奖4 项。荣获全国创新争先奖、何梁何利基金科学与技术进步奖、中国医师奖，周光召“临床医师奖”、谈家桢临床医学奖、吴阶平-杨保罗•杨森医学药学奖，被评为全国先进工作者、北京市突出贡献专家，首批入选“北京学者”。

　　

Co-PI：李慧琦 教授

　　北京理工大学信息与电子学院教授、博士生导师。IEEE高级会员，教育部“新世纪优秀人才”，2014年-2019年连续6年入选爱思唯尔中国高被引学者（生物医学工程）。中国医药教育协会智能医学专业委员会智能眼科学组常委。中国电子学会优秀硕士论文指导老师，北京市普通高校本科毕业设计论文优秀指导教师， 

　　在哈尔滨工业大学取得学士、硕士学位，新加坡南洋理工大学取得博士学位，先后在新加坡国立大学计算机系、新加坡资讯通信研究院担任研究员、高级研究员。主要研究方向为医学图像处理与计算机辅助诊断，在眼科图像处理算法研究方向有20多年的研究经验，共发表国际论文100多篇，包括SCI收录37篇，多篇论文引用过百次，在眼底图像处理方向单篇文章的SCI他引290次。在眼科图像处理方向共有9项国际专利申请，5项国内专利。

　　

团队成员：

　　刘含若 助理研究员、杨迪亚 医师、李树宁 副主任医师、王怀洲 副主任医师、乔春燕 副主任医师、牟大鹏 主治医师、李艳姣 博士后

　　

基本研发平台：

　　国产多光谱眼底相机开发平台

　　综合眼病人工智能诊断平台

　　

科研成果：

　　专利

　　• 基于拓扑结构和图谱的衡量视网膜血管网络相似性的方法，专利申请，201911106308.3, 2019。

　　• 一种基于生成对抗网络的模糊视网膜眼底图像增强方法，专利申请，201910537576.4, 2019。

　　• 一种基于成像模型的彩色眼底图的图像增强方法，专利授权，CN1065580318, 2018。

　　• 一种基于灰度变化的径向线视盘萎缩弧分割方法，专利申请，201810202766.6, 2018。

　　代表性论文

　　• Automatic cataract classification using deep neural network with discrete state transition, IEEE Transactions on Medical Imaging, 39(2): 436-446, 2020.

　　• Hierarchical method for cataract grading based on retinal images using improved Haar wavelet, Information Fusion, 53:196-208, 2020.

　　• Improving retinal vessel segmentation with joint local loss by matting, Pattern Recognition, 98, 2020.

　　• Retinal image enhancement using low-pass filtering and α-rooting, Signal Processing, 170: 107445, 2020.

　　• Automatic detection of parapapillary atrophy and its association with children myopia, Computer Methods and Programs in Biomedicine, 183:105090, 2020.

　　• Retinal vascular junction detection and classification via deep neural networks, Computer Methods and Programs in Biomedicine, 183:105096, 2020.

　　• Supervised Segmentation of Un-annotated Retinal Fundus Images by Synthesis, IEEE Transactions on Medical Imaging, 38(1):46-56, 2019.

　　• Synthesizing Retinal and Neuronal Images with Generative Adversarial Nets, Medical Image Analysis, 49: 14-26, 2018.

　　• An enhancement method for color retinal images based on image formation model. Computer Methods and Programs in Biomedicine, 143: 137-150, 2017.

　　• An approach to evaluate blurriness in retinal images with vitreous opacity for cataract diagnosis, Journal of Healthcare Engineering, 34:1-16, 2017.

　　• An approach to locate optic disc in retinal images with pathological changes, Computerized Medical Imaging and Graphics, 47: 40–50, 2016.

　　• Lens opacity detection for serious posterior subcapsular cataract, Medical & Biological Engineering & Computing, 55(5):1-11, 2016.

　　• A retinal vessel boundary tracking method based on Bayesian theory and multi-scale line detection, Computerized Medical Imaging and Graphics, 38(6): 517-525， 2014.