学科 : 生物医学工程、人工智能
方向 :医学影像分析；人工智能算法研究
电子邮件 :zhangshuaitong@bit.edu.cn
办公地址 :北京市海淀区中关村南大街5号北京理工大学7号教学楼411室
个人简历
张帅通，北京理工大学预聘助理教授（特别副研究员）。自2015年攻读博士学位以来，面向脑肿瘤和食管癌等疾病临床诊疗中的难点，从事基于人工智能的医学影像量化分析研究。主要研究方向包括基于人工智能的医学影像分割，分类，并应用于脑肿瘤和食管癌辅助诊疗。以第一作者（含共同第一作者）在npj Precision Oncology, European Radiology, Annals of Surgical Oncology, Journal of MRI等国际权威期刊会议上发表论文10余篇。相关工作得到美国科学促进会（AAAS）主办的全球科学新闻发布平台"EurekAlert!"报道及new wise和medical Xpress等科学新闻媒体转载报道。作为专家共识共同制定人参与制定一项中华医学会专家共识。主持国自然青年基金1项，参与面上项目3项。
教育培训经历
2015-09至2020-07，中国科学院大学自动化研究所，计算机应用技术，博士；
2011-09至2015-06，北京交通大学，计算机与信息技术学院，生物医学工程，学士
工作经历
2023-03至今，北京理工大学，医学技术学院，预聘助理教授（特别副研究员）；
2020-07至2023-02，北京航空航天大学，医学科学与工程学院，博士后，合作导师：樊瑜波 教授
学术任职
研究领域
基于人工智能的医学影像分析研究
算法研究：针对医学影像分析任务面临的样本量小，长尾分布，数据孤岛等问题，通过创新半监督、原型学习等深度学习等算法，提高医学影像分割分类任务精度；
应用研究：针对肿瘤临床诊疗中遇到的难题，采用影像组学或深度学习等方法量化分析医学影像，辅助解决肿瘤术前精确诊断或治疗效果评估等临床问题。
讲授课程
教材及专著
参与项目
[1] 国家自然科学基金委员会, 青年科学基金项目, 82102140, 基于全身PET-CT影像和多任务深度学习的食管癌淋巴结分期预测模型研究, 2022-01-01 至 2022-12-31, 主持
[2] 国家自然科学基金委员会, 面上项目, 82272068, 基于时序分析神经网络解析室壁形变评估心肌缺血
的智能辅助诊断方法研究, 2023-01-01 至 2026-12-31, 在研, 参与
[3] 国家自然科学基金委员会, 面上项目, 82071996, 基于MRI影像基因组学预测垂体腺瘤侵袭的人工智能
模型建立与临床评估, 2021-01-01 至 2024-12-31, 在研, 参与
SCI Journal paper
[1] Zhang, S.#, Huang, S.#, He, W.#, Wei, J.#, Huo, L., Jia, N., ... & Li, J. (2022). Radiomics-based preoperative prediction of lymph node metastasis in intrahepatic cholangiocarcinoma using contrast-enhanced computed tomography. Annals of Surgical Oncology, 29(11), 6786-6799.
[2] Zhang, S. T.#, Wang, S. Y.#, Zhang, J.#, Dong, D.#, Mu, W., Xia, X. E., ... & Liu, J. H. (2023). Artificial intelligence-based computer-aided diagnosis system supports diagnosis of lymph node metastasis in esophageal squamous cell carcinoma: A multicenter study. Heliyon, 9(3).
[3] Zhang, S.#, Mu, W.#, Dong, D.#, Wei, J.#, Fang, M., Shao, L., ... & Tian, J. (2023). The applications of artificial intelligence in digestive system neoplasms: a review. Health Data Science, 3, 0005.
[4] Yan, J.#, Zhang, B.#, Zhang, S.#, Cheng, J., Liu, X., Wang, W., ... & Zhang, Z. (2021). Quantitative MRI-based radiomics for noninvasively predicting molecular subtypes and survival in glioma patients. NPJ Precision Oncology, 5(1), 72.
[5] Zhang, S.#, Chen, Z.#, Wei, J., Chi, X., Zhou, D., Ouyang, S., ... & Liu, Y. (2021). A model based on clinico-biochemical characteristics and deep learning features from MR images for assessing necroinflammatory activity in chronic hepatitis B. Journal of Viral Hepatitis, 28(11), 1656-1659.
[6] Zhang, S.#, Song, G.#, Zang, Y., Jia, J., Wang, C., Li, C., ... & Zhang, Y. (2018). Non-invasive radiomics approach potentially predicts non-functioning pituitary adenomas subtypes before surgery. European radiology, 28, 3692-3701.
[7] Niu, J.#, Zhang, S.#, Ma, S., Diao, J., Zhou, W., Tian, J., ... & Jia, W. (2019). Preoperative prediction of cavernous sinus invasion by pituitary adenomas using a radiomics method based on magnetic resonance images. European radiology, 29, 1625-1634.
[8] Qi, Y.#, Zhang, S.#, Wei, J., Zhang, G., Lei, J., Yan, W., ... & Jin, Z. (2020). Multiparametric MRI‐Based Radiomics for Prostate Cancer Screening With PSA in 4–10 ng/mL to Reduce Unnecessary Biopsies. Journal of Magnetic Resonance Imaging, 51(6), 1890-1899.
[9] Tan, Y.#, Zhang, S. T.#, Wei, J. W., Dong, D., Wang, X. C., Yang, G. Q., ... & Zhang, H. (2019). A radiomics nomogram may improve the prediction of IDH genotype for astrocytoma before surgery. European radiology, 29, 3325-3337.
EI Journal paper
[1] Zhang, S., Qi, Y., Wei, J., Niu, J., Gu, D., Han, Y., ... & Tian, J. (2019, March). Radiomics analysis potentially reduces over-diagnosis of prostate cancer with PSA levels of 4-10 ng/ml based on DWI data. In Medical Imaging 2019: Computer-Aided Diagnosis (Vol. 10950, pp. 510-515). SPIE.
中文论文
Interventional Medicine Center Association. (2021). 人工智能应用于食管癌临床诊疗的专家共识. 中华介入放射学电子杂志, 9(03), 235. (作为该专家共识共同制定人)
专利
所获奖励/荣誉