徐军(实验室主任)

信息来源:IMIC 发布日期:2022-07-29

徐 军现任南京信息工程大学人工智能学院(未来技术学院)副院长(二级教授)、智能医学图像计算江苏高校重点实验室主任。他2007年获浙江大学控制科学与工程系博士学位,先后在美国罗格斯大学(Rutgers University)及凯斯西储大学(Case Western Reserve University)生物医学工程系担任博士后研究员,助理研究员及访问教授。据Google Scholar统计,他的论文总引用逾4600次,连续入选斯坦福大学全球前2%顶尖科学家榜单。他的研究研究成果主要发表于《Nature Communications》《Radiology》《IEEE Transactions on Medical Imaging》《Medical Image Analysis》等期刊。先后主持国家自然科学基金“重大疾病智慧诊疗”专项、联合重点项目、面上项目,科技部重点研发计划重点专项课题、省部级项目多项。主要研究方向是:多模态医学数据分析;计算病理;数字病理;基于影像和常规病理切片定量分析的疾病辅助诊疗和预后。

更多信息请访问我的个人主页:https://faculty.nuist.edu.cn/jxu/zh_CN/index.htm及智能医学图像计算江苏高校重点实验室网页:https://imic.nuist.edu.cn/

Jun Xu is the Director of Jiangsu Key Laboratory of Intelligent Medical Image Computing (IMIC) and the Vice Dean of the School of Aritificial Intelligence at Nanjing University of Information Science and Technology, China. He had been a postdoctoral scientist and visiting professor at the Department of Biomedical Engineering at Rutgers University and Case Western Reserve University in the United States, respectively. He and his IMIC research group are developing and applying novel quantitative image analysis, natural language processing, signal processing, and machine learning tools for disease prevention, diagnosis, treatment, and prognosis in the context of breast, liver, colorectal, prostate, brain disease, and ophthalmology. His group is also exploring the utility of these methods in studying correlations of disease markers across multiple scales and modalities-- from digital pathology to X-ray, CT, multi-parametric MR images, electronic health records, and biosignals.

Jun Xu, PhD.

Professor II & Associate Dean,

School of Artificial Intelligence,

Director,

Jiangsu Key Lab. of Intelligent Medical Image Computing

Nanjing Univ. of Info. Sci. & Tech.

Linjiang Building Room #1903,

219 Ning Liu Road, Nanjing 210044, China

Main Page

Google Scholar Citation

ORCID: 0000-0001-5315-8811

Tel: +86-25-5873-1290

E-mail: xujung@gmail.com

            jxu@nuist.edu.cn

1. 学习与工作经历

2021-至今    南京信息工程大学人工智能学院(未来技术学院) (Link)    教授,副院长

2024-至今    智能医学图像计算江苏高校重点实验室 (Link)                主任

2022-至今    南京信息工程大学-中大医院智慧医疗研究院 (Link)         执行院长

2011-2021    南京信息工程大学自动化学院(Link)            教授

2014-2019    美国凯斯西储大学生物医学工程系(Link)         访问教授

2008-2011   美国Rutgers大学生物医学工程系(Link)          博士后研究员

2004-2007   浙江大学控制科学与工程系(Link)              博士研究生

2001-2004   电子科技大学应用数学学院(Link)              硕士研究生

2. 研究领域

1.计算病理(Link)、数字病理(Link)、医学图像计算(Link)

2.人工智能(Link)、机器学习(Link)

3.面向癌症(癌症:众疾之王1.灵丹妙药2.盲人摸象3.攻瑕蹈隙 )计算机辅助诊断与预后的影像与病理图像计算;

4.乳腺(Link)、肝脏、消化系统、妇科肿瘤、前列腺(Link)、肺(Link)、头颈部(Link)癌症的计算机辅助检测、诊断及预后(Related Link)

5.深度学习及大数据驱动的医学数据分析(Related Link)

6.高分辨率免疫荧光成像的多光谱病理图像计算(Related Link)

3.论文成果

请访问:

Google Scholar Citation

ORCID: 0000-0001-5315-8811

4.科研项目

1.国家自然科学基金“重大疾病智慧诊疗”专项项目:基于知识增强多模态学习的乳腺癌分型精准诊疗体系的建立与临床验证(No. 82441029), 2025.01 – 2027.12。(主持)

2. 2023年度国家重点研发计划“前沿生物技术”重点专项:新型多模态影像融合技术研发及其疾病早期筛查和精准诊疗应用(No.2023YFC3402800),2023.12 – 2028.11,课题负责人。(主持)

3.江苏省科技厅前沿引领技术基础研究重大项目:变革性自然腔道介入机器人全域感知与智能交互(No.BK20232008),2023.10-2026.09,课题负责人(主持)。

4.国家自然科学基金-浙江两化融合基金重点资助项目:基于医学图像深度计算的乳腺癌新辅助化疗病理缓解程度评估和预测(U1809205),2019.01-2022.12。(主持

5. 国家自然科学基金面上项目: 基于生精管组织形态定量分析的精子发育分期与雄性不育研究(No. 62171230). 2022年1月-2025年12月。(主持

6. 国家自然科学基金面上项目:基于放射-病理组学的乳腺癌转移风险预测模型研究(No. 61771249,2017年1月-2021年12月。(主持

7. 国家自然科学基金面上项目:基于病理图像的雌激素受体阳性乳腺癌复发风险预测研究(No.61273259),2012年1月-2015年12月。(主持

8. 国家自然科学基金重大研究计划“肿瘤演进与诊疗的分子功能可视化研究”重点项目:基于多组学融合的人工智能辅助乳腺癌精准诊疗系统建设与应用模式研究(No.81871352),2019年1月-2022年12月。(课题负责人)

9. 国家自然科学基金重大研究计划“肿瘤演进与诊疗的分子功能可视化研究”重点集成项目:基于影像和病理组学多模态信息融合的三阴性乳腺癌关键分子可视化与诊疗新策略(No.92159301),2022年1月-2025年12月。(课题负责人

10. 国家自然科学基金面上项目:基于影像-病理组学对胰腺癌精准诊断及预后评估的研究(No.81871352),2019.01-2022.12。(课题负责人

5.教学

1. 机器学习                                                                         本科生         2014-2023 秋学期

2. 机器学习                                                                         研究生          2012-2020 春学期

3. 机器学习:从入门到沉迷                                                  本科生全校通识课   2015   春学期

4. 工程数学(Mathematics for Machine Learning) (Book)    本科生         2024-2025   秋学期