北京友谊医院放射科什么这么牛？一个科室7个国自然！！！

0.前言

7个国自然说明北京友谊医院放射科有雄厚的科研实力，一定要好好学习一下。

大壮感觉可能有以下原因：

（1）各级领导的关怀和支持

（2）医生高超技术水平和科研能力

（3）因为AI

第（3）条怎么突然是AI了呢，难道是因为爱情

还是科研要有爱心

。可不是爱情的'ai'，是人工智能（Artificial Intelligence）的缩写，简称AI。一看题目，以为这是计算机学院的国自然喜报的呢，感觉都是AI交叉研究

大佬们不但科研厉害，而且颜值还高😍。

言归正传，因为看不到本子内容，就学习一个题目吧，等都结题了我再学习下相关论文。本次学习3个面上项目的题目。

1.国自然题目分析

1.1基于MRI-血清学指标及Transformer神经网络早期精准预测药物性肝损伤急性肝衰竭的研究

（1）项目类别:面上项目

（2）项目负责人: 杨大为

（3）题目分析

题目中“Transformer神经网络”，Transformer 是一种深度学习模型，出自论文论文《Attention is all your need》，一个很牛B网络结构，现在大语言模型也是基于Transformer结构，它由 Google 在 2017 年提出，并成功应用于自然语言处理（NLP）领域。美国大片变形金刚，就是这个名字，说明这个算法很强，也可以翻译成“变压器”

。它和CNN(卷积神经网络)，RNN（循环神经网络）一样都是用来提取特征的，只不过它特征提取能力更强，也更适用于时间序列的信号。结构如下图

图1：来自论文[1]

Transformer 模型主要由两部分组成：编码器和解码器。编码器将输入序列转换为隐藏状态，解码器则使用这些隐藏状态来生成输出序列。这种模型不需要依赖先前的输入信息，而可以直接从输入中提取上下文信息，实现更好的上下文依赖。

基于MRI-血清学指标，MRI是影像数据，血清学指标属于结构化数据，这是两个不同模态的数据，看样子杨老师是想用Transformer网络作为特征提取器学习多模态特征。大壮研究的多，多模态分为早期融合、后期融合和混合融合。使用Transformer可能是想用早期融合，就是把两个数据同时输入提取特征。深度学习的任务一般就是分类和回归，具体是用来症状分类还是预后生存预测，看不出来。需要等杨老师发表论文后，我进一步学习。

1.2 基于注意力机制的视觉转换器对HCC高危人群肝内局灶病变检出及智能分类方法研究

（1）项目类别: 面上项目

（2）项目负责人:徐辉

（3）题目分析

这里有几个关键词，注意力机制,视觉转换器,病变检出,智能分类。其实就是对病灶进行检测和分类，检测算法在输出目标位置同时也会输出目标的类别。题目中的“智能”主要起强调作用。用的是基于注意力机制的目标检测算法，本题目用了一个少见的名词“视觉转换器”，一般是指基于Transformer算法的目标检测器，比如Swin Transformer算法。这里简单说一下注意力机制算法。

注意力机制：

注意力机制是一种模型，这个模型出现很多年了，可以让模型集中关注于输入数据中的某些部分，忽略其他不太相关的信息，从而更好地理解和处理输入数据。就像走在大街上，你的目光会聚焦在帅哥美女身上，而不看大壮这样的屌丝，这就是人的注意力机制。注意力机制可以用于目标检测、图像分类等任务中，让模型更加准确地识别图像中的目标。

图2：来自wiki-attention[2]

1.3 基于医学知识介导的中耳病变超高分辨力CT智能判读关键技术研

（1）究项目类别: 面上项目

（2）项目负责人:尹红霞

（3）题目分析

关键词'医学知识介导','超高分辨力','智能判读'。尹老师在耳科专用CT研究方面有颇多成果。'医学知识介导'这个名词少见。介导指的是以一个中间步骤来传递或起媒介的作用。即将一种“物质”传递给另一种“物质”的过程和方式。可以浅显的理解以医学知识作为一个先验用于算法调优，比如参数设置，特征选择，可以提升模型的性能。'超高分辨力'是指CT原始成像分辨率较高。'智能判读'可以看出是使用了AI算法，但是细节还看不出来。

尹老师在2023年申请了人工智能相关专利。从科研连续性角度分析，标书内容应该跟这个专利有些关系。专利摘要摘要如下：

创新性的实现了一种基于监督且用于医学影像的特征解耦网络模型，其中，所述特征解耦网络模型包括编码器和解码器。本发明能够高质量的生成类别转换后的影像，以进行影像样本合成，有效扩充医学影像数据集，服务其他下游任务。此外，对于任意两类需要分类或解耦的影像，本发明还能够解耦两类影像的鉴别特征，提升影像分类准确率。

这也是医学影像可以做的方向比如图像生成、图像去噪等，目前人工智一个重要方向就是内容生成AIGC，这一块可以做的方向。

2.学习心得

因为缺少标书信息，大壮简单介绍题目相关算法，医学和AI交叉还是有搞头的。部分总结如下

（1）标书题目用词需要高端

1）用一些非医学专业性的技术术语

比如：Transformer神经网络，不能就用“智能”两个字，太笼统。

2）使用一些显得高端的代替名词

“注意力机制的视觉转换器”，其实就是Transformer系列的算法，显得很高端。

3）使用一些抽象名词

“基于医学知识介导”

（2）本子里面都有一个词“基于”。

参考：

[1]Attention is all your need

[2]wiki-attention

[3]一种基于监督且用于医学影像的特征解耦网络模型-专利