近日，在医学图像处理国际顶级会议IEEE International Symposium on Biomedical Imaging （ISBI）上，本实验室的本科生刘祖浩同学以第一作者身份发表了研究论文“CSAF-CNN: Cross-Layer Spatial Attention Map Fusion Network for Organ-At-Risk Segmentation in Head and Neck CT Images”，这也是本实验室首次由本科生发表的研究成果。

对医学影像进行自动分析和处理，可以为疾病的准确诊断和有效治疗提供必要的支持。鼻咽癌是一种在中国南部流行的恶性肿瘤。放疗是鼻咽癌最主要的治疗方法之一。在治疗过程中，需要对放疗靶区GTV和周围的器官OARs进行精确的分割，这通常由放射肿瘤学家根据指导手册手动执行。然而手动的分割过程是异常的耗时和枯燥的，在鼻咽癌放射治疗过程中，由于肿瘤解剖结构的变化，可能需要重复几次这一耗时的过程。因此，临床上开发一种鲁棒的，准确的自动GTV和OARs分割算法可以有效的减轻专业医生的工作量，并提高鼻咽癌的治疗效果。

刘祖浩同学来自电子科技大学格拉斯哥学院，2019年暑假刚读完大一的他开始进入智慧医疗实验室学习，开展了基于深度学习的头颈部放疗多器官自动勾画的研究课题。 在王国泰老师和研究生王欢、雷文辉等同学的指导下，他很快掌握了该研究领域的前沿知识和研究技能，并且做出了出色的研究成果。在本次ISBI论文中，刘祖浩提出了一种新的基于注意力机制的头颈部风险器官分割的深度神经网络（CLAF-CNN）。CLAF-CNN具有全新设计的跨层空间注意力融合架构，通过使网络中的所有注意力模块构成一个整体，共同学习共同优化，可以综合网络中所有空间注意力模块的预测结果，从而有效提高器官的分割精度。

在StructSeg 2019 挑战赛的鼻咽癌的GTV和OARs的自动分割任务中，刘祖浩同学所提出方法可以取得非常有竞争力的表现，这对于鼻咽癌放疗中的器官智能勾画、提升医生的工作效率和治疗精度具有重要意义。

据悉，ISBI会议由IEEE信号处理学会（SPS）和IEEE生物医学工程学会 (EMBS) 联合倡议发起，是致力于生物和生物医学成像的数学、算法和计算方面的顶级学术会议之一，享有很高的国际学术声誉。2020年ISBI会议于4月3日到7日召开，原定于美国爱荷华市举行。由于受新冠疫情的影响，今年ISBI历史上首次通过在线会议的形式举行。