主要科研成果

1. Wei Huang(黄伟), Mingyuan Luo, Xi Liu, Peng Zhang, Huijun Ding, Wufeng Xue, Dong Ni, “Arterial Spin Labeling Images Synthesis from sMRI using Unbalanced Deep Discriminant Learning”, IEEE Transactions on Medical Imaging, vol. 38, no. 10, pp. 2338-2351, 2019. （SCI检索1区TOP，国际医学影像领域顶级期刊，影响因子11.037）

2. Wei Huang(黄伟), Siyuan Zhang, Peng Zhang, Yufei Zha, Yuming Fang*, Yanning Zhang, “Identity-aware Facial Expression Recognition via Deep Metric Learning based on Synthesized Images”, IEEE Transactions on Multimedia, vol. 24, pp. 3327-3339, 2022. (SCI检索1区TOP，国际多媒体处理领域顶级期刊，影响因子8.182)

3. 2018年度 江西省自然科学奖二等奖（编号：Z-18-2-11-R01，第一完成人，项目名称：《基于人工智能技术的图像处理分段学习研究》）。

4. 2021年 国际学术会议International Conference on Computer Engineering and Artificial Intelligence (ICCEAI) 最佳论文奖。（通讯作者，研究生第一作者）

5. 2021年 国际学术会议International Conference on Information Technology and Biomedical Engineering (ICITBE) 最佳论文奖。（通讯作者，研究生第一作者）

在研基金项目简介

2023-2026年 主持 国家自然科学基金面上项目《面向体内与体外融合诊断神经退行性疾病的关键技术研究》（编号：62271239）。简介：神经退行性疾病(ND)严重威胁我国人民的生命健康。我国阿尔兹海默症、帕金森病等ND患者数量居世界首位，面向人民生命健康开展ND研究意义重大!现阶段ND体内诊断精度高但成像设备约束强，体外诊断设备约束低但诊断精度也低。为了解决上述矛盾，本项目拟开展体内+体外融合诊断研究，包括:1)融合身份信息的体外常态化表情图像生成;2)融合注意力机制与数据异质性的体内多模态磁共振 图像生成;3)对体内和体外真实与生成图像数据开展质量评价;4)基于深度多视角学习和目标域双任务迁移学习的融合诊断模型研究等关键内容。本项目在前期采集患者体外数据和体内数据基础上将进一步扩容该独有数据集。再以此为基础实施上述体内与体外数据生成、质量评价、融合诊断等研究。本项目意义重大，数据优势显著，问题前沿，方法创新。本项目研究的融合诊断模型可具备低设备依赖和高诊断精度等临床早筛突出意义与价值。