跳至內容

王革

新增連結
維基百科，自由的百科全書
Ge Wang
王革
出生 (1957-01-20) 1957年1月20日（67歲）
 中國遼寧瀋陽
母校西安電子科技大學
紐約州立大學布法羅分校
科學生涯
研究領域醫學成像
機構倫斯勒理工學院

王革（1957年1月20日—），醫學成像學家，美國醫學與生物工程院（AIMBE）會士[1]、電氣與電子工程師學會（IEEE）會士[2]、國際光學工程學會（SPIE）會士[3]、美國光學學會（OSA）會士、美國醫學物理協會（AAPM）會士[4]、美國科學促進會（AAAS）會士[5]、美國國家發明家科學院（NAI）院士[6]。研究領域包括計算機斷層成像（Computed Tomography，CT）、多模態成像和人工智能（側重於深度學習）。目前是美國倫斯勒理工學院生物醫學工程系的Clark & Crossan講席教授，也是該校生物醫學成像中心主任[7]。

生平

[編輯]

王革1982年畢業於西安電子科技大學電子工程系，1985年在中國科學院研究生院遙感應用研究所獲得碩士學位，隨後於1991年和1992年在紐約州立大學布法羅分校獲得電氣和計算機工程的碩士和博士學位。畢業後，王革於1994年加入聖路易斯華盛頓大學馬林克羅特放射研究所擔任講師進行研究工作，1996年離開聖路易斯華盛頓大學後，於次年加入愛荷華大學放射學系，並在愛荷華大學進行了長達10年的研究工作。在2006年，王革加入弗吉尼亞理工大學——威克森林大學生物醫學工程科學學院|Virginia Tech - Wake Forest University School of Biomedical Engineering & Sciences}}擔任教授，併兼任生物醫學成像部主任[8]。

2008年10月，王革受西安電子科技大學邀請作為傑出校友回到母校訪問，並被授予西安電子科技大學名譽教授[9][10]。

2013年，王革加入倫斯勒理工學院，作為生物醫學工程系的Clark & Crossan講席教授和生物醫學成像中心主任從事研究工作至今。

職業生涯

[編輯]

王革在1991年率先提出了螺旋錐束CT方法[11]。他在螺旋錐束CT方面的工作解決了「長物體問題」（縱向數據截斷問題），對CT領域產生了影響[12]。比利時布魯塞爾自由大學核醫學系醫學成像專家Defrise等人[13]提到：「為了解決長物體問題，可以沿實際測量射線方向，對3D 數據進行反投影，以改進2D濾波反投影算法從而實現螺旋錐束CT重建。這種方法的原型是Wang等人提出的。」美國芝加哥大學放射學系教授La Riviere和Csuptwo有限責任公司的醫學成像專家Crawford[14]寫到：「大多數商業系統使用的近似算法都是基於把Feldkamp-Davis-Kress（FDK）算法擴展到螺旋錐束掃描軌跡，該擴展最初由Wang等人推導出來。」由於這項貢獻，他於2019年入選美國國家發明家科學院（NAI）。王革及其合作者發表了系列相關文章，解決了一般軌跡錐束CT的精確重建和三源螺旋錐束CT的准精確重建等問題。目前，每年約有2億次醫學CT掃描，其中大部分都是採用這種掃描模式。

2016年，王革提出了第一個深度成像技術路線圖[15]。自此，他與他的合作者在這個全新領域發表了一系列論文，主要成果涵蓋深度去噪、深度重建和深度放射組學。2018年舉辦的林道諾貝爾獎得主大會對他在深度去噪方面的工作進行了報導[16]。2019年，他與合著者出版了第一本關於基於機器學習的圖像重建專業著作（IOP最流行的電子圖書之一，2020年有超過33,000的下載量）[17]，並為IEEE Transactions on Medical Imaging主辦了兩期關於該主題的特刊。他的團隊與通用電氣、FDA、哈佛大學及其他研究機構合作，積極開發應用於臨床和臨床前的深度成像算法和系統。

王革及其合作者建立了用於解決「內問題」（橫向數據截斷）的內成像（interior tomography）方法以及泛成像（omni-tomography，應用於斷層掃描多模態的時空融合，例如同步CT-MRI）方法[18]。此外，他的團隊開發了用於光學分子成像的生物熒光斷層成像術（bioluminescence tomography）[19]和用於瞬時精細結構成像的多能X光散射譜成像術（spectrography）。此外，他在公理化文獻計量學（axiomatic bibliometrics）也有研究。此外，他還開發了第一門深度醫學成像的本科和研究生課程[20]和遠程在線考試防作弊技術[21]。

王革在PNAS、Nature、Nature Machine Intelligence、Nature Communications等著名學術期刊發表了超過550篇同行評議論文，以及許多刊載在會議和arXiv上的論文，目前擁有超過100項已批准和已發布的專利。在他的整個職業生涯中，受到NIH、NSF和工業界的連續資助，其中作為PI/Contact PI/MPI的資助超過4000萬美元，作為Co-PI/Co-I/Mentor的資助超過3000萬美元。他在多個國際大會進行了主題或特邀演講，包括2021 SPIE O+P大會[22]作關於X光成像與深度學習融合的報告以及關於CT的中英文科普報告。他的TEDEd課程「X射線如何透視你」被觀看了超過150萬次[23]。

榮譽

[編輯]

專業協會

[編輯]

王革因為其在醫學成像領域及相關領域的傑出貢獻，獲得了多項專業會士的榮譽：

  • 因為對單層螺旋、錐束螺旋和顯微CT的發展做出的開創性貢獻，於2002年被評為美國醫學與生物工程院（American Institute for Medical and Biological Engineering，AIMBE）會士。
  • 因為對X射線斷層成像的貢獻，於2003年被評為電氣與電子工程師學會（Institute of Electrical and Electronics Engineers，IEEE）會士。
  • 因為生物熒光斷層成像的成就，於2007被評為國際光學工程學會（International Society for Optical Engineering，SPIE）會士。
  • 因為對生物熒光成像發展的開創性貢獻，於2009年被評為美國光學學會（Optical Society of America，OSA）會士。
  • 因為對醫學物理學的貢獻，於2012被評為美國醫學物理協會（American Association of Physics in Medicine，AAPM）會士。
  • 因為對生物醫學成像領域的傑出貢獻，特別是在X射線斷層成像、光學分子成像、內成像和多模態融合方面的貢獻，於2014年被評為美國科學促進會（American Association for the Advancement of Science，AAAS）會士。

獲獎

[編輯]

王革獲得諸多研究和教學獎項，部分如下：

  • 於1997年獲Journal of Computer Assisted Tomography頒發的Giovanni Di Chiro傑出科學研究獎。
  • 於1999年獲美國醫學物理學家協會（AAPM）和醫學物理與工程研究所（IPEM）頒發的AAPM/IPEM醫學物理旅行獎（每年1人從美國到歐洲講學2-3周）。
  • 於2005年獲美國大學放射學家協會（Association of University Radiologists，AUR）頒發的Herbert M. Stauffer傑出放射學基礎科學論文獎。
  • 於2010年獲弗吉尼亞理工大學工程學院頒發的院長卓越研究獎。
  • 於2018年獲倫斯勒理工學院頒發的工程學院傑出教授獎（每年1人）。
  • 因為錐束斷層掃描和基於深度學習的斷層成像的開創性貢獻，於2021年獲IEEE生物醫學工程學會（IEEE Engineering in Medicine and Biology Society，EMBS）頒發的IEEE EMBS學術生涯成就獎（每年1人）[24]。
  • 因為創辦第一個深度學習醫學影像的研究生和本科課程，於2021年獲IEEE Region 1傑出教學獎（每年1人）。
  • 論文「Shan HM, Padole A, Homayounieh F, Kruger U, Khera RD, Nitiwarangkul C, Kalra MK, Wang G, Nature Machine Intelligence 1:269-276, 2019」於2021年獲世界人工智能大會（World Artificial Intelligence Conference，WAIC）頒發的世界人工智能大會青年優秀論文獎。
  • 因為對X射線成像及光學分子成像，及它們在生物醫學應用中進行結合的貢獻，於2022年獲SPIE頒發的SPIE Aden & Marjorie Meinel技術成就獎（每年1人）[25]。
  • 於2021年獲國際神經網絡學會博士學位論文獎（指導的博士生Fenglei Fan的學位論文《Advanced Neural Networks and Their Interpretation》獲神經網絡、機器學習及相關領域的最佳博士學位論文）。
  • 因為對醫學成像的開創性貢獻以及對研究、開發和醫療保健的重大影響，包括他的錐束CT方法和對人工智能成像領域的領導，於2022年獲Sigma Xi科學研究學會Walston Chubb創新獎。

參考文獻

[編輯]
  1. ^ AIMBE College of Fellows Class of 2002. [2022-06-13]. （原始內容存檔於2022-06-24）. 
  2. ^ IEEE作者. [2022-06-13]. （原始內容存檔於2022-06-23）. 
  3. ^ SPIE profile. [2022-06-13]. （原始內容存檔於2022-06-13）. 
  4. ^ AAPM Fellows. [2022-06-13]. （原始內容存檔於2021-04-14）. 
  5. ^ Professors Berman, Garde, and Wang Selected as 2014 AAAS Fellows. RPI news. [2014-11-24]. （原始內容存檔於2022-06-26）. 
  6. ^ AIMBE Fellowbook. [2022-06-13]. （原始內容存檔於2022-06-16）. 
  7. ^ 王革伦斯勒理工学院主页. [2022-06-13]. （原始內容存檔於2022-06-15）. 
  8. ^ Biomedical Imaging Expert Ge Wang Joins Rensselaer as Clark and Crossan Professor. RENSSELAER NEWS. [2013-04-29]. （原始內容存檔於2016-10-24）. 
  9. ^ 電子工程學院. 我校举行王革名誉教授授予仪式暨学术报告会. 西電電子工程學院新聞. [2008-11-05]. 
  10. ^ 西電E流. 校友王革：与学弟学妹谈学业与成长. 西電電子工程學院新聞. [2008-11-04]. 
  11. ^ Ge Wang; et al. A general cone-beam reconstruction algorithm. IEEE Transactions on Medical Imaging: 486-496. doi:10.1109/42.241876. 
  12. ^ Reich ES. Nature, In-Focus News (PDF). Nature, In-Focus News. [2011-12-14]. （原始內容 (PDF)存檔於2018-07-30）. 
  13. ^ Michel Defrise; et al. A solution to the long-object problem in helical cone-beam tomography. Physics in Medicine & Biology: 623. 
  14. ^ Patrick J. La Rivière and Carl R. Crawford. From EMI to AI: a brief history of commercial CT reconstruction algorithms. Journal of Medical Imaging: 052111. 
  15. ^ Ge Wang. A Perspective on Deep Imaging. IEEE Access: 8914 - 8924. doi:10.1109/ACCESS.2016.2624938. 
  16. ^ Jude Dineley. Tackling the Silent Crisis in Cancer Care. Nobel Laureate Meeting. [2018-08-01]. （原始內容存檔於2022-04-17）. 
  17. ^ Tami Freeman. Machine learning for tomographic imaging. Physics World. [2020-01-30]. （原始內容存檔於2022-02-20）. 
  18. ^ Ge Wang; et al. Design proposed for a combined MRI/computed-tomography scanner. SPIE news. [2013-06-11]. （原始內容存檔於2015-11-14）. 
  19. ^ BioPhotonics. Bioluminescence tomography. 
  20. ^ Innovating the Medical Imaging Course. [2022-06-13]. （原始內容存檔於2022-06-15）. 
  21. ^ Wells T. In era of online learning, new testing method aims to reduce cheating. Science Daily. [2021-03-01]. （原始內容存檔於2022-02-20）. 
  22. ^ Karen Thomas. Inventing the future. SPIE. SPIE news. [2021-07-09]. （原始內容存檔於2022-07-03）. 
  23. ^ How X-rays see through your skin - Ge Wang. [2022-06-13]. （原始內容存檔於2022-06-22）. 
  24. ^ Ge Wang Receives 2021 EMBS Academic Career Achievement Award. RPI news. [2021-06-17]. （原始內容存檔於2022-02-20）. 
  25. ^ Ge Wang: The SPIE Aden & Marjorie Meinel Technology Achievement Award. SPIE news. [2022-01-11]. （原始內容存檔於2022-02-21）. 
取自「https://zh.wikipedia.org/w/index.php?title=王革&oldid=83056189」