近日，第二十三届国际医学图像计算和计算机辅助干预会（MICCAI 2020）上，我校生物医学工程学院冯前进团队阳维和黄美燕课题组的硕士研究生张逸文、赖浩然两名同学组队参加了MICCAI 2020甲状腺结节超图像分割和分类竞赛（TN-SCUI2020），从300多支参赛队伍中脱颖而出，获得分类赛道冠军。这是我校科研团队在医学图像分析领域取得的又一佳绩，展现了我校生物医学工程学院在医学影像人工智能人才培养方面的进展。

该会议是医学影像人工智能领域的国际顶级会议，其举办的各种医学图像分析挑战赛得到全世界研究者的广泛参与，其中不乏国际知名研究团队和企业。

图. MICCAI TN-SCUI 2020竞赛获奖证书

甲状腺是一种蝶形内分泌腺，通常位于颈部的前下部。它分泌的荷尔蒙是你体内所有细胞正常工作所必需的。甲状腺结节是指甲状腺细胞的异常生长，在甲状腺内形成一个肿块。统计研究表明，该病的发病率随着年龄的增长而增加，目前已扩大到世界人口的50%以上。甲状腺癌是20 - 34岁女性中最常见的癌症。虽然绝大多数的甲状腺结节是良性的(非癌性的)，但也有一小部分结节含有甲状腺癌。为了在早期诊断和治疗甲状腺癌，需要对结节进行准确的表征和分析。甲状腺超声是诊断甲状腺结节的重要工具，并且是非侵入性的、实时的、无辐射的。甲状腺结节分类竞赛（TN-SCUI 2020）旨在开发基于超声图像的甲状腺结节的精准分割算法和精准恶良性识别算法。两名获奖者提出了CH-UNet模型用于甲状腺结节良恶性识别，该卷积网络构架是经典UNet的改进，在UNe最底层加入了一条用于甲状腺结节良恶性分类。他们的实验结果表明，采用甲状腺结节分割作为辅助任务，可有效提高甲状腺结节良恶性识别的精度。该模型相比其他分类模型可充分地利用挑战赛提供的分割标签信息，性能优越，取得了TN-SCUI 2020分类赛道的冠军。

图. 硕士生张逸文近照

图. 硕士生赖浩然近照