領(lǐng)域大咖 | 南京大學(xué)鄭海榮院士

PsyBrain 腦心前沿 | 公眾號(hào) PSY-Brain_Frontier

一鍵關(guān)注，點(diǎn)亮星標(biāo) ??

不錯(cuò)過(guò)每日前沿資訊

領(lǐng)域大咖介紹

鄭海榮院士簡(jiǎn)介

• 1996年9月至2002年7月在哈爾濱工業(yè)大學(xué)材料加工與控制工程系連續(xù)攻讀學(xué)士和碩士學(xué)位；

• 2002年8月至2006年5月在美國(guó)科羅拉多大學(xué)工學(xué)院機(jī)械工程系攻讀博士學(xué)位；

• 2006年5月至2007年9月在美國(guó)加州大學(xué)戴維斯分校工學(xué)院擔(dān)任博士后、項(xiàng)目科學(xué)家；

• 2007年9月回國(guó)任職于中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院，歷任副研究員、研究員；

• 2011年11月被任命為國(guó)家地方聯(lián)合高端醫(yī)學(xué)影像技術(shù)與裝備工程實(shí)驗(yàn)室主任；

• 2014年至2021年擔(dān)任中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院醫(yī)工所所長(zhǎng)；

• 2016年7月被任命為中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院副院長(zhǎng)；

• 2018年6月被任命為中國(guó)科學(xué)院健康信息學(xué)重點(diǎn)實(shí)驗(yàn)室主任；

• 2020年4月被任命為國(guó)家高性能醫(yī)療器械創(chuàng)新中心主任；

• 2023年6月任命為醫(yī)學(xué)成像科學(xué)與技術(shù)系統(tǒng)（全國(guó)）重點(diǎn)實(shí)驗(yàn)室主任，同年8月進(jìn)入中國(guó)科學(xué)院院士增選有效候選人名單；

• 2023年11月當(dāng)選中國(guó)科學(xué)院院士；

• 2024年3月任南京大學(xué)副校長(zhǎng)；

• 2024年9月當(dāng)選為中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)會(huì)士。

研究方向及成果

主要研究方向?yàn)獒t(yī)學(xué)成像信息技術(shù)與儀器設(shè)備、聲學(xué)/磁學(xué)生物物理，從事醫(yī)學(xué)成像理論、電子學(xué)與信息處理研究及醫(yī)療儀器設(shè)備研發(fā)。曾獲國(guó)家杰出青年基金資助、國(guó)家技術(shù)發(fā)明二等獎(jiǎng)、國(guó)家科技進(jìn)步一等獎(jiǎng)。主持完成了國(guó)家973計(jì)劃項(xiàng)目（首席）、中科院戰(zhàn)略先導(dǎo)項(xiàng)目和國(guó)家重大科研儀器專項(xiàng)等多項(xiàng)重大科研項(xiàng)目。

提出隱正則化稀疏快速成像理論和高速成像電子學(xué)新體系，突破了醫(yī)學(xué)磁共振成像速度慢的難題；作為首席科學(xué)家，帶領(lǐng)團(tuán)隊(duì)成功研發(fā)中國(guó)第一臺(tái)3.0T高場(chǎng)磁共振、國(guó)際首臺(tái)5.0T超高場(chǎng)磁共振并實(shí)現(xiàn)產(chǎn)業(yè)化，打破了國(guó)外長(zhǎng)期壟斷；提出聲輻射力生物測(cè)量新方法，研制成功新一代無(wú)創(chuàng)超聲彈性模量成像儀器，實(shí)現(xiàn)了超聲換代跨越，在全球逾千家醫(yī)院使用；提出超聲輻射力神經(jīng)調(diào)控新原理，研制成功世界首臺(tái)無(wú)創(chuàng)傷型腦神經(jīng)調(diào)控儀器。

高水平論文導(dǎo)賞

Nature Comms 2021– Annotation-efficient deep learning for automatic medical image segmentation; Shanshan Wang, …,Hairong Zheng

醫(yī)學(xué)圖像分割通常依賴大量高質(zhì)量標(biāo)注，但這在臨床中難以獲取。文章提出了一個(gè)名為AIDE（Annotation-efficient Deep Learning）的開(kāi)源框架，旨在解決半監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督域適應(yīng)和噪聲標(biāo)簽學(xué)習(xí)這三大挑戰(zhàn) 。核心方法是采用雙網(wǎng)絡(luò)交叉模型（cross-model）協(xié)同優(yōu)化，通過(guò)局部標(biāo)簽過(guò)濾和全局標(biāo)簽校正機(jī)制，利用模型自身生成的“偽標(biāo)簽”來(lái)逐步修正低質(zhì)量數(shù)據(jù) 。結(jié)果表明，在公開(kāi)數(shù)據(jù)集和涉及3個(gè)中心、1萬(wàn)多張圖像的乳腺腫瘤分割任務(wù)中，AIDE僅使用10%的標(biāo)注數(shù)據(jù)，就能達(dá)到與全監(jiān)督模型及放射科醫(yī)生相媲美的分割精度，極大降低了標(biāo)注成本

Fig. 1 Overview of AIDE

Nature Comms 2018- MR imaging tracking of inflammation-activatable engineered neutrophils for targeted therapy of surgically treated glioma; Meiying Wu,…,Hairong Zheng

針對(duì)膠質(zhì)瘤術(shù)后復(fù)發(fā)和藥物遞送難的問(wèn)題，文章開(kāi)發(fā)了一種基于中性粒細(xì)胞的“特洛伊木馬”遞送系統(tǒng)。研究者將負(fù)載阿霉素（Dox）的磁性介孔氧化硅納米顆粒（MMSNs）內(nèi)化到中性粒細(xì)胞中，構(gòu)建了ND-MMSNs 。主要發(fā)現(xiàn)是：利用術(shù)后炎癥產(chǎn)生的趨化因子梯度，這些工程化中性粒細(xì)胞能主動(dòng)穿越血腦屏障并歸巢至炎癥殘留腫瘤部位 。隨后，它們通過(guò)釋放中性粒細(xì)胞胞外誘捕網(wǎng)（NETs）釋放藥物。同時(shí)，MMSNs的磁性內(nèi)核允許通過(guò)MRI追蹤細(xì)胞的遷移 。結(jié)果顯示該策略顯著延長(zhǎng)了術(shù)后膠質(zhì)瘤小鼠的生存期 。

Fig. 1 Fabrication and targeted-therapeutic schematics of ND-MMSNs

Biomaterials 2024- Acoustic-holography-patterned primary hepatocytes possess liver functions; Changcan Li, …, ,Hairong Zheng

體外構(gòu)建具有體內(nèi)特征的3D肝臟模型一直是個(gè)難題。本研究利用改進(jìn)的聲全息晶格（AHL）技術(shù)，將小鼠原代肝細(xì)胞（PMH）在幾秒鐘內(nèi)組裝成特定的肝臟形狀，并固定在GelMA水凝膠中 。結(jié)果發(fā)現(xiàn)，相比于2D和傳統(tǒng)3D培養(yǎng)，AHL模型中的肝細(xì)胞自組裝成了大量的類器官球體，并表現(xiàn)出更高的存活率（>96%）和增殖能力 。更重要的是，該模型在長(zhǎng)達(dá)14天的培養(yǎng)中維持了更強(qiáng)的核心肝功能，包括白蛋白分泌、尿素合成、藥物代謝酶（CYP450）活性等 。這為藥物篩選和疾病研究提供了一種高效的體外模型構(gòu)建方法

Fig. 2. | Principles of acoustic patterning of microparticles via AHL

JACC Imaging 2024- Machine Learning in Hypertrophic Cardiomyopathy; Kankan Zhao, …,Hairong Zheng

目前的肥厚型心肌?。℉CM）風(fēng)險(xiǎn)分層模型（HCM Risk-SCD）在預(yù)測(cè)心血管不良事件（MACEs）方面準(zhǔn)確性有限。本研究旨在建立一個(gè)集成了心臟磁共振（CMR）成像特征（特別是應(yīng)變和晚期釓增強(qiáng)LGE）與臨床變量的機(jī)器學(xué)習(xí)（LightGBM）模型 。結(jié)果顯示，在包含758名患者的多中心隊(duì)列中，該ML模型的預(yù)測(cè)性能（AUC 0.830）顯著優(yōu)于傳統(tǒng)Cox回歸和HCM Risk-SCD模型（AUC提升了22.7%）。研究還發(fā)現(xiàn)了一個(gè)關(guān)鍵的非線性關(guān)系：LGE程度和整體徑向/圓周應(yīng)變的受損只有在達(dá)到特定閾值（如LGE > 11.6%）后，才會(huì)導(dǎo)致MACE風(fēng)險(xiǎn)急劇上升

CENTRAL ILLUSTRATION Prediction of Cardiovascular Events in HCM on the Basis of CMR Features and Other Features by a ML Model

Ultrasonics 2024- A transcranial multiple waves suppression method for plane wave imaging

based on Radon transform; Yue Pan,…,Hairong Zhen

顱骨的非均質(zhì)性和高聲速特性會(huì)導(dǎo)致超聲波產(chǎn)生嚴(yán)重的多次反射（multiples）和畸變，極大降低腦成像質(zhì)量。文章提出了一種基于高分辨率線性Radon變換的波場(chǎng)分離方法，用于抑制平面波成像中的顱骨干擾 。方法上，利用顱骨多次波與腦內(nèi)有效回波在Radon域（慢度-截距時(shí)間域）中能量分布的差異，通過(guò)稀疏約束算法分離并去除多次波 。結(jié)果顯示，在仿真和離體猴頭骨實(shí)驗(yàn)中，該方法成功提取了被強(qiáng)顱骨反射掩蓋的微弱腦內(nèi)信號(hào)，成像對(duì)比噪聲比（CNR）較傳統(tǒng)全波形成像提高了85%，旁瓣和柵瓣水平降低了約30 dB

Fig. 5. The reflection separation and imaging results of in vitro transcranial ultrasound measurements.

文字來(lái)源：

1. 簡(jiǎn)介、研究方向及成果，參考南京大學(xué)官網(wǎng)主頁(yè)、百科介紹。
   南大官網(wǎng)：
   https://www.nju.edu.cn/info/1040/358421.htm
   百科：
   https://baike.baidu.com/item/%E9%83%91%E6%B5%B7%E8%8D%A3/7109278
   

2. 由于主頁(yè)沒(méi)有標(biāo)注哪些文章是代表作，解析內(nèi)容選取基于谷歌學(xué)術(shù)高IF。代表論文解析由“天天”分享，不準(zhǔn)確的地方歡迎批評(píng)指正

前沿交流|歡迎加入認(rèn)知神經(jīng)科學(xué)前沿交流群！

核心圖表、方法細(xì)節(jié)、統(tǒng)計(jì)結(jié)果與討論見(jiàn)原文及其拓展數(shù)據(jù)。

分享人：天天

審核：PsyBrain 腦心前沿編輯部