研究队伍
当前位置:首页 > 研究队伍 > 田 捷
田 捷    博士,研究员
田捷,1960年1月生,博士。现为中国科学院自动化研究所研究员,中科院分子影像重点实验室主任。1982年毕业于安徽师范大学数学系,1993年于中国科学院自动化研究所获模式识别博士学位,1995-1996年在美国宾夕法尼亚大学做访问学者,1993-至今年在中国科学院自动化研究所任助理研究员、副研究员、研究员。1997年起任中国科学院大学教授、博士生导师。2014年起任IEEE Transactions on Medical Imaging, 2012年起任IEEE Transactions on Biomedical Engineering,IEEE Journal of Biomedical and Health Information、2010年起任计算机学报、软件学报、中国科学F辑、中华放射学、中华核医学与分子影像等国内外学术期刊的编委。获得奖项及荣誉称号包括:美国电气和电子工程师协会IEEE Fellow (2010),国际光学工程学会SPIE Fellow (2013),美国医学与生物工程院AIMBE Fellow (2014),国际医学与生物工程院IAMBE Fellow (2012), 国际模式识别学会IAPR Fellow (2014)、以第一完成人获得两次国家科技进步二等奖(2003、2004年度);以第一完成人获得两次国家技术发明二等奖(2010、2012年度);获2012年度何梁何利基金科技进步奖等。2006、2011年两次任科技部国家重点基础研究发展计划973项目首席科学家,2013年基金委国家重大科研仪器研制专项项目负责人。
主要研究方向及内容

1、生物动态成像设备
现有的脑结构与功能成像范围涉及到微观(纳米级)、介观(微米级)和宏观(毫米级)三个的不同尺度。在微观尺度上,电子显微镜成像分辨率可达纳米级,但是其成像视野小,成像速度慢,因此该技术适用于小尺寸离体样本神经回路的绘制。在宏观尺度上fMRI、EEG、MEG等技术可对人的全脑的结构和功能进行在体成像,但是其空间分辨率通常为亚毫米级别,只能获取宏观脑区之间的连接信息,无法获取神经元或者神经元群体之间的连接信息。介观尺度的成像分辨率通常可达到亚微米分辨率,因此介观在体成像特别适用于单个神经元细胞或者神经元细胞、群体之间的结构连接和功能活动成像。我们通过融合创新,在介观尺度上研发具有高时空分辨率和深层扫描的在体动态高时空分辨成像设备。在生物动态成像设备的研究基础方面,团队在国家重大科研仪器设备研制专项项目(2013-2017年)的支持下,研发具有结构-功能-代谢融合信息的小动物在体光学多模融合成像设备。此外,团队在国家自然科学基金委科学仪器基础研究专项和中国科学院科研装备研制项目(YZ201164,YZ0642,YZ201457)等项目的支持下,研制了在体光学生物成像系列设备,构建了小动物在体光学多模融合成像的设备平台。在临床转化方面,研制了应用于临床的光学分子影像手术导航设备。

2、智能信息处理
神经影像数据信息的分析和处理是实现从成像设备的信息获取到知识获取的重要环节,这就需要建立一个具有神经影像数据图像的三维重建、分割、配准、可视化等图像分析与处理等功能,统一的神经影像算法处理框架和具有一致数据接口和功能扩展接口的集成化的智能信息处理平台。该平台可对获取的多尺度多模态的大脑结构和神经活动数据进行无缝融合和处理分析。我们利用已有的医学影像处理与分析开发平台MITK构建神经影像的算法架构、通过图形界面与可视化平台3DMed 构建神经影像数据的可视化界面、通过MOSE光学仿真平台,模拟光子在大脑中的光传输仿真。通过构建集成神经影像数据的快速重建算法、实时分割配准与三维可视化的智能信息处理算法平台,为脑科学与类脑智能研究提供统一的图像分析与处理的技术支撑。截止目前,算法平台中MITK下载量 18240次,3DMed下载量15411次,MOSE下载量1918次。我们还在疾病分析和预测方面,开展针对肿瘤、脑疾病的影像组学(Radiomics)研究,利用海量的医学影像数据、病理信息、基因数据、随访信息和临床医生的经验,分割病灶区域并提取病灶的高维特征,然后结合最新的机器学习方法,构建对疾病进行自动分析和预测的模型,给出疾病的进展预期和最优的治疗方案。

3、海量神经影像数据的计算加速
大脑结构与神经活动图像采集将导致数据量的急速上升,给现有计算机硬件的处理能力带来了严峻挑战,使得很多传统的影像数据处理算法,尤其是三维可视化领域的算法,无法满足计算机内存所不能容纳的海量数据的处理要求。而现在一些主流算法研发平台,如VTK、ITK等,并没有专门针对这样的海量数据建立底层的处理框架,使得研究人员不得不为海量数据设计专门的算法,从而使这些平台在海量数据情况下失去了原有的作为算法研发支撑平台的作用。针对这一情况,我们设计并实现了一套针对海量数据的处理和分析的智能计算框架,并将其融入前期开发完成的MITK中,建立起一个海量影像数据的处理平台。对于不同模态、不同尺度和不同维度的海量脑结构与神经影像数据,我们通过构建融合多个分布式计算节点和多个GPU图像并行加速计算节点的融合智能计算加速平台对神经影像数据进行快速分析处理和特征提取。

代表性论文

Hu Z., Qu Y., Wang K., Zhang X., Zha J., Song T., Bao C., Liu H., Wang Z., Wang J., Liu Z., Liu H.*, Tian J.* (2015) In vivo nanoparticle-mediated radiopharmaceutical-excited fluorescence molecular imaging. Nat Commun. 6:7560.

Qin W., Bai L., Liu Z., Liu P., Zhang Y., Liu J., Yuan K.,Zhao B., Dai J.*, Liu Y.*, Tian J.* (2015) How the ancient art of acupuncture works: Neuroimaging studies shed light on brain activity. Advances in Computational Psychophysiology (Science/AAAS, Washington, DC, 2015), p. 38-40. This is a sponsored supplement, published together with the 2 October 2015 issue of Science.

实验室网址:http://www.3dmed.net
E-mail: jie.tian@ia.ac.cn
电话:010-62611658