❗

我们实验室http://www.mipav.net/的研究方向是医学影像处理与分析，在OCT眼科人工智能诊断方面做的比较出色，也联合生产了比较多的产品和系统平台：

我们也在和很多的医院合作，用AI赋能医疗领域，辅助医生诊断，缓解医疗资源紧缺，力求减少医学上误诊漏诊的的现象

1. 儿童眶下壁骨折辅助诊断系统，开发客户端和算法，部署AI模型

2. 儿童眶下壁骨数据中心，开发一个Web平台，方便数据的收集和管理

儿童眶下壁骨折辅助诊断系统

1. 使用QT开发客户端界面，便于医生的使用。用MySQL和Redis来实现用户的登录注册和数据管理：



注：为了安全起见，由于客户端注册的主要是医生，所以用户权限比较高，可以在web端上传下载删除数据，而在web端注册的普通用户，只能查看数据。

2. 实现了图像预处理功能，包括灰度处理、图像锐化、边缘检测、加噪滤波、仿射变化、透射变换等
1. 灰度处理
2. 图像锐化
3. 边缘检测
4. 加噪滤波
5. 仿射变化、透射变换

3. 实现了图像形态学操作
1. 膨胀腐蚀
2. 开操作闭操作
3. 击中与击不中
4. 边界提取
5. 区域填充
6. 连通分量提取
7. 凸壳
8. 细化
9. 粗化
10. 骨架

4. 实现了图像传统分割算法
1. LiveWire
2. 阈值分割
3. OSTU
4. Kittler
5. Hough变换
6. 分水岭
7. 区域分开合并分割
8. 区域生长
9. 均值移动分割
10. Kmeans
11. SVM

5. 实现了图片的特征处理
1. LBP特征
2. 直方图检测
3. 模版匹配
4. 颜色匹配
5. Gabor
6. SIFT
7. ORB
8. Haar

6. 实现了视频处理和目标检测

7. 实现了眶下壁骨折的三维重建算法，支持医生框选出感兴趣区域，更加直观。

8. 儿童眶下壁骨折的自动诊断流程：
1. CT图的预处理和头部姿势矫正的配准







2. 基于三维重建的手动眼眶分割和自动分割（三维点云数据+三角面片光栅化+漫水填充+DBSCAN密度聚类+K-Means聚类）











3. 基于对称注意力的分类网络。

9. 通过网络通信采集患者的CT数据发送到服务器（通过了伦理审查），扩充数据以供模型训练，实现TensorRT模型部署

10. 在医生使用时，出现了同时对同一张数据处理时图片框选卡住的情况，通过加锁解决了在实际应用中的bug

儿童眶下壁骨折数据中心

1. 考虑到租一个云服务器的带宽比较小，下载比较慢，同时硬盘容量比较小。考虑到数据和带宽问题，我在在内网组建一个服务器(6核，2T)，局域网内带宽1000M，局域网内可以实现1000兆的传输速度，苏大内网地址10.10.13.0

2. 实现了一个WebServer提供Web浏览器请求和响应数据，部署了我的个人网站和数据中心：使用Epoll与线程池实现多线程的Reactor高并发模型；使用正则与状态机解析HTTP报文，支持GET和POST报文请求；使用无锁队列实现了数据库连接池，实现用户注册、登录、数据管理功能。苏大内网访问地址10.10.13.0:8090/

3. 为了方便局域网外访问，借助公网服务器实现了TCP穿透服务：公网服务器在内网服务器访问时识别到了服务器发送IP和端口号；公网服务器同样得到局域网外客户端的的IP和端口；公网服务器将客户端请求消息转发给内网服务器。
公网访问地址xukai.cloud，目前公网服务器选择的美国的VPS(198.74.115.220)，只有0.5g的内存，配置低，网络延迟高，选择这个服务器主要好处是可以调用ChatGPT的API，因为医院那边希望我可以使用ChatGPT做一个和患者可以交互的自动问诊服务，之后根据使用情况考虑是否使用国内的服务器作为替代。目前我的个人网站部署了ChatGPT API项目：

4. 为了方便数据的采集，实现了一个简单的WEB文件服务器，医生可以通过网页上传下载数据



注：为了安全起见，由于客户端注册的主要是医生，所以用户权限比较高，可以在web端上传下载删除数据，而在web端注册的普通用户，只能查看数据。

个人简历