个人简历:
崔智铭博士任生物医学工程学院常任轨助理教授 (Tenure-track Assistant Professor)、研究员、博导、独立课题组组长 (Principal Investigator, PI)。崔博士分别于2014年和2017年在东北大学获得学士和硕士学位,于2022年在香港大学计算机科学系获得博士学位,并于同年加入上海科技大学生物医学工程学院担任助理教授。
崔智铭博士致力于人工智能,医疗影像分析等相关研究,主要包含医疗深度学习、数字化颅颌面分析、医学图像重建算法研究等。目前已在相关领域期刊发表多篇高水平论文,其中以第一作者身份在 Nature Communications、IEEE TMI、MedIA、CVPR、MICCAI、IPMI 等顶级期刊与会议发表一系列的论文。崔智铭博士担任 MICCAI-MIML 2022、2023 共同主席,中国图像图形学报青年编委,并入选上海高层次海外人才计划,主持国家自然科学基金青年项目。
研究领域:
医学影像与深度学习方法研究:大数据小样本的深度学习、数据与知识协同优化与学习、多模态表征学习;
数字化颅颌面分析研究:结合人工智能,探索计算机辅助技术应用在颅颌面手术、正畸以及牙周病等疾病的关键技术研究;
医疗图像重建算法研究 (Dental CBCT,DSA,PET-CT):将人工智能与传统物理重建模型相结合,构建高质量、高效率的医疗图像重建算法。
教学与课程:
算法设计与分析 (Python)
数据结构
学术任职:
Co-Chair:
International Conference on Machine Learning in Medical Imaging (MLMI), 2022-2023
Reviewer:
IEEE Transactions on Medical Imaging (TMI)
International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI)
IEEE Conference on Computer Vision and Pattern Recognition (CVPR)
International Conference on Computer Vision (ICCV)
IEEE Transactions on Visualization and Computer Graphics (TVCG)
代表性论文:
Cui, Zhiming, et al. A fully automatic AI system for tooth and alveolar bone segmentation from cone-beam CT images. Nature communications 13.1 (2022): 1-11.
Cui, Zhiming, et al. TSegNet: an efficient and accurate tooth segmentation network on 3D dental model. Medical Image Analysis 69 (2021): 101949.
Cui, Zhiming, et al. Structure-driven unsupervised domain adaptation for cross-modality cardiac segmentation. IEEE Transactions on Medical Imaging 40.12 (2021): 3604-3616.
Cui, Zhiming, et al. VertNet: Accurate Vertebra Localization and Identification Network from CT Images. International Conference on Medical Image Computing and Computer-Assisted Intervention (MICCAI). Springer, Cham, 2021.
Cui, Zhiming et al. ToothNet: automatic tooth instance segmentation and identification from cone beam CT images. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). 2019.
实验室介绍:
崔智铭博士在上科大生医工学院组建的实验室 (https://shanghaitech-impact.github.io/) 主要从以下三个方面开展研究:
医学影像与深度学习方法研究:大数据小样本的深度学习、数据与知识协同优化与学习、多模态表征学习;
数字化颅颌面分析研究:结合人工智能,探索计算机辅助技术应用在颅颌面手术、正畸、牙周病等疾病的关键技术研究。
- 医疗图像重建算法研究(Dental CBCT,DSA,PET-CT):将人工智能与传统物理重建模型相结合,构建高质量、高效率的医疗图像重建算法。