陈春晓

个人信息Personal Information

教授 博士生导师

招生学科专业:
仪器科学与技术(生物医学信息与仪器) -- 【招收博士、硕士研究生】 -- 自动化学院
生物医学工程 -- 【招收硕士研究生】 -- 自动化学院
电子信息 -- 【招收博士、硕士研究生】 -- 自动化学院

性别:女

毕业院校:南京航空航天大学

学历:南京航空航天大学

学位:工学博士学位

所在单位:自动化学院

办公地点:南京航空航天大学自动化学院2号楼414

联系方式:ccxbme@nuaa.edu.cn

电子邮箱:

扫描关注

个人简介Personal Profile

以下信息由研究生系统导入,请酌情修改完善

教育经历:
    

  1997/9 - 2003/4,南京航空航天大学,精密仪器及机械,硕士、博士  1986/9 - 1990/7,四川大学,自动控制,学士

工作经历:
  2013/5 - 至今 南京航空航天大学,自动化学院,教授

  2009/8-2010/8 美国Washington University in St.louis,访问学者

  2005/10-2005/12 澳大利亚,Swinburn University, 访问学者

  2003/6-2005/6 东南大学生物医学工程系, 博士后

  1993/7-1997/8 南京药械厂      
  1990/7-1993/7 四川维尼厂



研究方向:

学科研究方向一:生物医学工程

医学图像处理、生物医学信号处理和医疗仪器的开发。

1、开发了基于立体显示的三维医学影像系统,实现不需要佩戴立体眼镜便可观察具有物理景深和心理景深的三维影像,在辅助手术导航及手术计划方面有重要的作用。

2、内窥镜图像三维重建的研究。利用CCD获得的二维运动图像重建三维的内窥镜图像,实现对病灶的定量描述。该技术还可应用于体育与娱乐节目直播、立体电视与广告、游戏与动漫、虚拟现实、动感监控、实时战场立体环境重构等多个领域。

3、三维光学成像系统的研究。利用CCD获得小动物体表光强分布,重建体内光源的大小和位置。

4.开发了开放式及内窥式荧光手术引导系统系列产品,可增强手术靶目标,引导外科医生快速、精确手术。

5、肿瘤电场治疗计划系统及纳米刀手术计划系统。

6、基于术前CT或MRI与术中C型臂的术前规划及术中引导系统。

7、基于人工智能的医学图像处理,图像分割、疾病的分期分类。

学科研究方向二:仪器科学与技术(生物医学信息与仪器)

发表学术论文:

[1]  Jie Yu1†, Lingkai Cai2†, Chunxiao Chen1*, Zhiying Chen1, Xue Fu 1, Yuan Zou1, Yueyue Xiao1, Liang Wang 1, Xiao Yang2, Baorui Yuan2, Peikun Liu2, Qiang Lu2*. A Novel Diagnosis Method for Muscular Invasion of Bladder Cancer Based on 3D MRI Multi-modal Fusion. Physics in Medicine and Biology. Online 2 February 2024.

[2] 张青松;陈春晓*;陈利海. 基于CTSA-Net的急性肾损伤风险预测研究[J]. 生物医学工程研究, 2024,43(1): 46–54.

[3] 林喆,陈春晓*,肖月月,王亮,龚荣芳,沈俊。非小细胞肺癌肿瘤治疗电场电极阵列布局优化方法研究。生物医学工程研究。2024,43(2):136-143

[4] Yueyue Xiao1, Chunxiao Chen1, *, Liang Wang1, Zhe Lin1, Rongfang Gong2, Jun Shen2, Ming Lu3, * .Improved WSO algorithm to optimize electrode array for the personalized treatment of liver cancer in TTFields. Biomedical Signal Processing and Control. (https://doi.org/10.1016/j.bspc.2024.106443

[5] Jun Shen, Rongfang Gong, Chunxiao Chen*, Liang Wang, Zhe Lin, Catharine W.K. Lo and Ming Lu.  Tumor Treating Fields: modelling and a numerical algorithm. Communications on Analysis and Computation.2024.5.7。DOI:10.3934/cac.2024008,Received 14 December 2023; Received in revised form 27 February 2024; Available online 14 May 2024

[6] 吴泽静,陈春晓*,陈志颖,徐俊琪,傅雪。联合影像数据集多器官分割方法研究。中国生物医学工程学报。2023,42(2):129-138.  2023.4

[7] Zhiying Chena,1, Lingkai Caib,1, Chunxiao Chena,*, Xue Fua, Xiao Yangb,*, Baorui Yuanb, Qiang Lub,  Huiyu Zhou. Unsupervised Image-to-Image Translation in multi-parametric MRI of Bladder Cancer. Engineering Applications of Artificial Intelligence. 2023, 124:106547.   https://doi.org/10.1016/j.engappai.2023.106547. 

[8] Yueyue Xiao, Chunxiao Chen*, Liang Wang, Jie Yu, Xue Fu, Yuan Zou, Zhe Lin, and Kunpeng Wang. A Novel Hybrid Generative Adversarial Network for CT and MRI Super-resolution Reconstruction. Physics in Medicine and Biology. 2023, doi:10.1088/1361-6560/acdc7e.  

[9] Yueyue Xiao, Chunxiao Chen *, Xue Fu, Liang Wang, Jie Yu, Yuan Zou. A Novel Multi-task Semi-Supervised Medical Image Segmentation Method Based on Multi-branch Cross Pseudo Supervision. Applied Intelligence。https://doi.org/10.1007/s10489-023-05158-3

[10] Yu Jie,Lingkai Cai, Chunxiao Chen, Xue Fu, Liang Wang, Baorui Yuan, Xiao Yang, Qiang Lu.  Cascade Path Augmentation Unet for Bladder Cancer Segmentation in MRI. Medical Physics. 2022, 14, March. 2022, 49(7):4622-31

[11] Liang Wang#, Lingkai Cai#, Chunxiao Chen*, Xue Fu, Jie Yu, Rongjun Ge, Baorui Yuan, Xiao Yang, Qiang Shao*, Qiang Lv*. A Novel DAVnet3+ method for Precise Segmentation of Bladder Cancer in MRI. The Visual Computer. 2022, pp1-13. DOI:10.1007/s00371-022-02622-y.  2022,8,26 online.

[12] Yuan Zou#, Lingkai Cai#, Chunxiao Chen*, Qiang Shao*, Xue Fu, Jie Yu, Liang Wang, Zhiying Chen, Xiao Yang, Baorui Yuan, Peikun Liu, Qiang Lu*. Multi-task Deep Learning Based on T2-Weighted Images for Predicting Muscular-Invasive Bladder Cancer. Computers in Biology and Medicine. 2022,151(Pt A):106219. DOI: 10.1016/j.compbiomed.2022.106219

[13] Xue Fu, Chunxiao Chen*, Dongsheng Li. Survival prediction of patients suffering from glioblastoma based on two-branch DenseNet using multi-channel features. International Journal of Computer Assisted Radiology and Surgery. 2021,16(2), 207-217

[14] Jianfei Li, Dongsheng Li, Chunxiao Chen*, Qiang YanXiong LuA dual-residual network for JPEG compression artifacts reduction compression artifacts reduction. Singal, Image and Video Processing. 2021,15:485-491

[15] Dongsheng Li, chunxiao Chen*, Jianfei Li, Liang Wang. Dense gate network for biomedical image segmentation. International journal of computer assisted radiology and surgery, 2020, 15(8): 1247-1255.

[16] Dongsheng Li, Chunxiao Chen*, Jianfei Li, Qiang Yan. Reconstruction of fluorescence molecular tomography based on graph convolution networks. Journal of Optics. J. Opt. Published 2 March 2020.  2020, 22, 045602:1-10.

[17]Xue Fu, Chunxiao Chen*, Dongsheng Li. Multi‑branch Residual Network Applied to Predict the Three‑Year Survival of Patients with Glioblastoma. Journal of Medical and Biological Engineering. 202040:655-662

[18] Qiang Ju,* Shouhua Luo, Chunxiao Chen, Zhenlan Fang, Shengkai Gao, Gong Chen, Xueyuan Chen, and Ning Gu*.Single-Irradiation Simultaneous Dual-Modal Bioimaging Using Nanostructure Scintillators as Single Contrast Agent. Advanced healthcare materials.2019,   

[19] Qingyang Zang, Dongsheng Li, Chunxiao Chen*, Jianfei Li. Optical - CT Dual-Modality Mapping Base on DRR Registration. Molecular & Cellular Biomechanics 2019164):253-263   

[20] Chunxiao Chen *, Jing Wang, Xiong Lu, Yupin Liu, Xin Chen. Assessment of 3DTV-related fatigue with resting-state fMRI. Signal Processing: Image Communication.2018,64:99-106     IF2.8142018


专利授权

[1] 陈春晓,陈志颖,吴泽静,徐俊琪。一种基于条件GAN的图像合成装及方法,专利号:ZL202210930214.3。

[2] 陈春晓,王亮,肖月月,陈志颖。一种电极片贴附方法与系统,专利号:ZL202211365696.9 。

[3] 陈春晓;徐俊琪;陈志颖;一种内窥OCT-Raman双模成像装置及成像方法。专利号:ZL 202011075960.6

[4] 陈春晓;李建飞;董琰彪;多光谱立体视觉内窥装置及图像融合方法,专利号:ZL201711258979.2。

[5] 陈春晓;李东升;李建飞;一维频谱曲线法估计散焦点扩散函数,专利号:ZL201710599574.9。




承担和参与的科研项目情况:

国家自然科学基金(61171059):基于多模态的立体电视视疲劳评估应用基础研究    

863项目:多阶段发酵法生产他克莫司的技术研究    

国家自然科学基金重点项目:构建多功能分子影像探针及其在内皮组细胞活体示踪的应用  

国家自然科学基金项目:基于磁力驱动的非接触式力触觉再现方法和建模理论研究  

国家自然科学基金项目:基于静-动态耦合模型的生物发光层析成像的适定性与正则化方法研究 

校级项目:多模态小动物生物发光断层成像仪研制     

校级项目:生物发光断层成像中光子传输理论涉及的数理问题    

近年来主持横向课题:

基于GPU的Micro MRI小动物图像处理与分析系统

质谱仪网络功能设计开发

开放式及内窥式荧光手术引导系统系列产品的开发

乳腺肿瘤超声图像特征提取及分级研究

实验动物感兴趣区磁共振图像三维可视化及定量分析

基于人工智能的早产儿视网膜疾病智能分析系统

基于人工智能的肺结节智能检测系统

多模态小动物生物发光断层成像仪研制     

生物发光断层成像中光子传输理论涉及的数理问题  

指导研究生情况:

培养博士和硕士生共49人。

  • 教育经历Education Background
  • 工作经历Work Experience
    2003.4 至今
    • 南京航空航天大学
  • 研究方向Research Focus
  • 社会兼职Social Affiliations
  •        小动物光学成像仪是一款专业荧光和生物发光成像系统,在活体成像中背景噪声低,成像质量好,满足客户多样的需求,可广泛应用于基因治疗、监控转基因的表达、感染的进展、肿瘤的生长和转移、器官移植、毒理学、病毒感染和药学研究等方面,在临床前研究中发挥着越来越重要的作用。

  • (1) 活体小动物三维荧光成像系统 开发的活体小动物三维成像荧光系统可无损实时动态监测被标记细胞在活体小动物体内的活动,在肿瘤检测、基因表达、蛋白质分子检测、药物受体定位、药物筛选、药物疗效评估等方面有广泛的应用。 (2) 肿瘤治疗电场计划及评估系统 肿瘤治疗电场(TTF)是一种适用于肿瘤患者的新型治疗方法。利用低强度、中频交流电场干扰细胞分裂,从而诱导快速分裂细胞的死亡。患者的五年总生存率(OS)由 5% 提升至 13%,中位总生存期由 16 个月延长至 20.9 个月。 (3) 膀胱癌肌层浸润术前预测模型的研究 利用人工智能深度学习的方法,建立基于磁共振图像的膀胱癌肌层浸润术前分期预测模型,以辅助医生诊断与决策。团队提出了多分支和多通道的网络结构,实现对膀胱癌内壁、外壁和肿瘤的精确分割,并构建了基于多参数磁共振图像(T2WI、DCE和DWI序列)的膀胱癌肌层浸润预测模型。 (4)早产儿眼底视网膜血管智能分析系统 研发了基于人工智能的早产儿视网膜疾病智能分析系统。该系统通过深度学习模型,给定血管的迂曲度、宽度、叶节数和密度等量化指标,对早产儿视网膜病变进行智能分析,对粗细不等的血管进行更精确的分割。 (5)医学影像的自动分割及三维可视化 对CT图像多个器官进行分割并基于光线投射的方法进行三维可视化,辅助医生进行手术规划和对疾病的诊断。实现了腹部CT联合数据集多器官的准确自动分割,为疾病的临床诊断和治疗提供参考依据,并将该方法的分割结果应用于肿瘤治疗电场中,为临床电场治疗方案的设计提供参考依据。