高宇飞老师在国际权威期刊《IEEE TIP》和《IEEE TIM》上发表研究成果

高宇飞老师在国际权威期刊

《IEEE TIP》和《IEEE TIM》上

发表研究成果

近日，郑州大学网络空间安全学院在医学图像处理方向取得进展，相关研究成果以题为“PointFormer: Keypoint-Guided Transformer for Simultaneous Nuclei Segmentation and Classification in Multi-Tissue Histology Images”的论文在线发表在国际权威期刊《IEEE Transactions on Image Processing》（中科院一区TOP，CCF-A类期刊，IF=10.8）和以题为“SimCMC: A Simple Compact Multiview Contrastive Framework for Self-supervised Early Alzheimer’s Disease Diagnosis”的论文在线发表在国际权威期刊《IEEE Transactions on Instrumentation and Measurement》（中科院二区TOP，IF=5.6）。高宇飞副研究员为论文通讯作者，石磊教授与高宇飞副研究员共同指导的博士生徐静和刘皓雯分别为第一作者，郑州大学为论文第一单位和通讯单位。

自动化细胞核分割与分类（Nuclei Segmentation and Classification, NSC）是数字病理分析的基本前提，其辅助生物标志物和病理形态特征的量化分析，从而为精准医疗提供支撑。论文面向“Clinical wild”数据场景，提出一种基于关键点引导的Transformer框架PointFormer，用于细胞核分割与分类。该框架将NSC任务转化为多任务学习问题，采用三重解码器结构分别解码细胞核实例、边缘及类型信息。同时，细胞核检测与分类任务被转化为语义关键点估计问题，通过回归关键点热图来确定每个细胞核的质心，从而避免复杂的像素后处理。此外，设计了一种注意力引导策略，通过共享关键点估计的特征有效指导细胞核和边缘分割任务，缓解多解码器预测间的不一致性。最后，为捕获全局依赖关系及核间相关性，提出多局部感知Transformer，其通过多局部注意力计算，以实现局部和全局表征的有效权衡并降低模型复杂度。定量和定性实验结果表明该方法优于现有SOTA方法。该研究突显了长程相关性捕获对分割性能提升的有效性，并验证了预测一致性先验缓解多任务学习负迁移的假设。该项研究发表在《IEEE Transactions on Image Processing》上。

早期阿尔茨海默病（Alzheimer’s Disease, AD）自动诊断是一项具有挑战性的任务，而获取大规模、精确的医学图像注释是一项难题。论文提出了一种简单的紧凑型多视图对比框架SimCMC。该框架通过自监督方式在未标记数据上进行预训练，通过对比学习优化特征编码器。此外，为了关注三维数据中每个视图切面所提供的信息，该方法采用多视图策略，分别从矢状面、冠状面和横截面提取结构信息。同时，设计了一个基于双注意力机制的多视图融合块，有效捕捉视图间的内部相关性与依赖性，进一步增强学习表示的能力。最后，构建一个复合损失，其中对比项用于最大化视图间的一致性，有效构建精确的类别边界，而紧凑项用于约束表示学习过程，鼓励每对视图的表示在每个维度上尽可能正交，从而避免特征表示中冗余信息的累积，生成紧凑的特征表示。实验结果表明该方法在多个公开数据集上优于当前SOTA方法。该项研究发表在《IEEE Transactions on Instrumentation and Measurement》上。

论文信息：

Jing Xu , Lei Shi , Shuxi Li , Yameng Zhang , Guohua Zhao , Yucheng Shi , Jie Li , Yufei Gao*. PointFormer: Keypoint-Guided Transformer for Simultaneous Nuclei Segmentation and Classification in Multi-Tissue Histology Images. IEEE Transactions on Image Processing, doi: 10.1109/TIP.2025.3565184.

Haowen Liu, Lei Shi, Yufei Gao*, Yucheng Shi, Jing Xu, Yameng Zhang. SimCMC: A Simple Compact Multiview Contrastive Framework for Self-Supervised Early Alzheimer’s Disease Diagnosis. IEEE Transactions on Instrumentation and Measurement, doi: 10.1109/TIM.2025.3555721.