8月7日，国际重要期刊《IEEE Journal of Biomedical and Health Informatics》发表了金沙威尼斯生物医学工程学院研究生陈勇在谢勤岚教授团队指导下完成的成果“SSCFormer: Revisiting ConvNet-Transformer Hybrid Framework from Scale-Wise and Spatial-Channel-Aware Perspectives for Volumetric Medical Image Segmentation”（https://doi.org/10.1109/JBHI.2024.3392488），这是该生继在《Biomedical Signal Processing and Control》发表“ATFormer: Advanced transformer for medical image segmentation”（https://doi.org/10.1016/j.bspc.2023.105079）、在《Computers in Biology and Medicine》发表“Collaborative networks of transformers and convolutional neural networks are powerful and versatile learners for accurate 3D medical image segmentation”（https://doi.org/10.1016 /j.compbiomed.2023.107228）等两项成果之后的又一项重要成果。上述成果的第一作者均为陈勇，谢勤岚教授团队导师为通讯作者，金沙威尼斯欢乐娱人城为论文唯一或第一署名单位。

SSCFormer网络架构图

谢勤岚教授所在智能医学工程与仪器团队长期从事医学人工智能、医学图像处理和分析、深度学习、模式识别和医学3D建模等相关研究。

准确和鲁棒的医学图像分割对于疾病诊断、治疗规划和病程监控有重要意义。对于高精度自动分割方法而言，适应尺度变化和感知感兴趣目标的能力是至关重要的。然而，现有多尺度建模的方法难以有效地利用分级编码器中各尺度之内和之间的多尺度特征。此外，感知感兴趣目标的全局注意力和缩放注意力没有被适当地结合，挖掘显著特征的能力有限。

针对这两个问题，陈勇在团队导师的指导下，提出了融合卷积神经网络和Transformer的方法，开发了3种医学图像分割算法，在腹部多器官分割、新冠肺炎病灶分割、心脏分割、脑肿瘤分割、左心房分割、肺部肿瘤分割等方面取得了先进的性能，在IEEE J. Biomed. Health Inform.、Comput. Biol. Med.和Biomed. Signal Process. Control.等期刊发表了系列成果，为医学图像分割方法提供了指导意义，也为相关研究领域的发展做出了积极贡献。