基本信息

王珊珊  女  博导  中国科学院深圳先进技术研究院
电子邮件: ss.wang@siat.ac.cn
通信地址: 广东省深圳市南山区学苑大道1068号
邮政编码: 518055

研究领域

王珊珊,研究员,双博士,博士生导师,广东省医学影像智能分析与应用重点实验室副主任。研究方向机器学习、快速医学成像、放射组学等, 迄今为止在Nature communications、IEEE Trans TMI/TBME/TIP、MICCAI等顶级期刊与会议发表英文学术论文100多篇,ESI 高被引2篇,PMB年度亮点文章一篇,发明中国授权专利9项以及美国授权专利2项,4项实现规模化产业应用。快速医学成像获广东省科技发明一等奖,影像组学定量分析工作获广东省科技进步一等奖。并获2018海外华人磁共振协会OCSMRM杰出研究奖(Outstanding Research Award),2020吴文俊人工智能优秀青年奖,2021年深圳市青年科技奖,澳大利亚John Make peace Bennett最佳博士论文提名奖,IEEE Senior member,OCSMRM BoT/Life member, Gordon Plenary Lecturer,ISMRM NIBIB New Horizons Plenary Lecturer. 

为国际医学磁共振年会2018-2022基于机器/深度学习磁共振成像与分析的分会主席,ISMRM/ISICDM/MIDL/MICCAI workshop session/area chair,4次获得ISMRME.KZavoisky奖金,为国际SCI期刊Magnetic resonance in medicine (SCI, JCR-1, Deputy editor)、Pattern Recognition (SCI, JCR-1, Associate Editor)和Biomedical Signal Processing and ControlSCI,JCR-2 ,Associate editor) 编委;曾获IEEE-TMI、MRMsignal processing杰出贡献奖。先后主持国家自然科学基金、科技部重大项目及省重点市级项目12项,曾受邀到世界顶级大学及会议如美国哈佛大学、加拿大魁北克大学、Gordon conference、ISMRM及SMRA等给大会或教育讲座。


研究方向:人工智能(机器学习)、快速医学成像、图像处理、计算机视觉、放射组学

招生信息

专业背景:生物医学工程、电子工程、计算机、信号处理、数学等相关专业。对医学成像、机器学习、图像处理,计算机视觉感兴趣

研究方向:字典学习、深度学习、医学成像、计算机视觉、图像处理图像检测与分割 、医学影像分析


招生专业
085400-电子信息
083100-生物医学工程
081002-信号与信息处理
招生方向
深度学习、快速成像与放射组学
计算机视觉,图像处理
机器学习

教育背景

2011-10--2014-06   悉尼大学   博士学位
2009-09--2014-06   上海交通大学   博士学位
2005-09--2009-07   中南大学   学士学位

教授课程

人工智能-数学基础
人工智能-深度学习导论
深度学习导论

学术奖励

(1) 广东省科技进步一等奖, 一等奖, 省级, 2020
(2) 吴文俊人工智能优秀青年奖, 部委级, 2020
(3) 海外华人磁共振杰出研究奖, OCSMRM, 2018
(4) 广东省技术发明一等奖, 一等奖, 省级, 2018 

   (5)深圳市青年科技奖,市级,2021 



专利成果
( 1 ) 一种磁共振欠采样方法及装置, 发明, 2017, 第 2 作者, 专利号: CN201710345402.9
( 2 ) 一种磁共振成像方法及装置, 发明, 2017, 第 2 作者, 专利号: CN201710236330.4
( 3 ) 基于字典学习的磁共振并行成像方法和装置, 发明, 2014, 第 1 作者, 专利号: CN201410614439. 3
( 4 ) 自适应磁共振并行成像方法和装置, 发明, 2014, 第 1 作者, 专利号: CN201410614836.0
( 5 ) 基于迭代特征修正的磁共振快速成像方法及系统, 发明, 2014, 第 3 作者, 专利号: CN201410452350.1
( 6 ) 一种磁共振快速成像方法及系统, 发明, 2014, 第 3 作者, 专利号: CN201410849728.1
( 7 ) 一种基于结构化字典学习的磁共振成像重建方法和装置, 发明, 2015, 第 1 作者, 专利号: CN201511031833.5
( 8 ) 一种基于多通道协作编码的磁共振成像重建方法和装置, 发明, 2015, 第 1 作者, 专利号: CN201511032507.6
( 9 ) 一种基于深度卷积神经网络的快速磁共振成像方法及装置, 发明, 2015, 第 2 作者, 专利号: PCT/CN2015/099918
( 10 ) 一种基于深度卷积神经网络的快速磁共振成像方法及装置, 发明, 2015, 第 2 作者, 专利号: CN201580001261.8
( 11 ) 基于深度卷积网的一维部分傅里叶并行磁共振成像方法, 发明, 2017, 第 1 作者, 专利号: CN201710416357.1
( 12 ) 基于深度卷积网的一维部分傅里叶并行磁共振成像方法, 发明, 2017, 第 1 作者, 专利号: PCT/CN2017/087233
( 13 ) 基于深度学习的身体部位自动识别磁共振扫描方法与装置, 发明, 2017, 第 2 作者, 专利号: CN201710447366.7
( 14 ) 基于两层紧框架稀疏模型的并行磁共振成像方法、装置及计算机可读介质, 发明, 2017, 第 1 作者, 专利号: CN201711334939.1
( 15 ) 一种基于自适应联合稀疏编码的并行磁共振成像方法、装置及计算机可读介质, 发明, 2017, 第 1 作者, 专利号: PCT/CN2017/114172
( 16 ) 一种基于自适应联合稀疏编码的并行磁共振成像方法、装置及计算机可读介质, 发明, 2017, 第 1 作者, 专利号: CN201711246873.0
( 17 ) 乳腺密度自动分级方法及装置, 发明, 2018, 第 1 作者, 专利号: CN201811418719.1
( 18 ) 乳腺医学超声图像的自动化分类方法及装置, 发明, 2018, 第 1 作者, 专利号: CN201811417978.2
( 19 ) 乳腺医学超声图像的自动化分类方法及装置, 发明, 2018, 第 1 作者, 专利号: PCT/CN2018/117460
( 20 ) 一种自适应参数学习的动态磁共振图像重建方法和装置, 发明, 2018, 第 1 作者, 专利号: CN201811532908.1
( 21 ) 一种基于深度先验学习的头颈联合成像方法和装置, 发明, 2018, 第 1 作者, 专利号: 一种基于深度先验学习的头颈联合成像方法和装置
( 22 ) CN201811525181.4, 发明, 2018, 第 1 作者, 专利号: 一种磁共振成像及斑块识别方法和装置
( 23 ) 基于深度学习的大视野磁共振扫描图像重建方法和装置, 发明, 2018, 第 1 作者, 专利号: CN201811526898.0
( 24 ) 一种乳腺肿块图像识别方法及装置, 发明, 2018, 第 2 作者, 专利号: CN201811525188.6
( 25 ) 一种头颈斑块图像识别方法及装置, 发明, 2018, 第 2 作者, 专利号: CN201811525168.9
( 26 ) 磁共振并行成像方法及相关设备, 发明, 2018, 第 2 作者, 专利号: CN201811581817.7
( 27 ) 一种医学成像模型的建立方法、装置、设备及存储介质, 发明, 2018, 第 2 作者, 专利号: CN201811654047.4
( 28 ) 医学成像模型的建立方法、装置、设备及存储介质, 发明, 2018, 第 1 作者, 专利号: CN201811611862.2
( 29 ) 一种基于多专家模型的5D动态超快MRI重建研究方法, 发明, 2019, 第 1 作者, 专利号: CN201911071375.6
( 30 ) 基于循环对抗网络的多模态核磁共振影像配准, 发明, 2019, 第 1 作者, 专利号: CN201911065971.3
( 31 ) 一种协同成像方法、装置、存储介质和协同成像设备, 发明, 2019, 第 1 作者, 专利号: CN201911039356.5
( 32 ) 图像重建方法、装置、设备以及存储介质, 发明, 2019, 第 1 作者, 专利号: CN201911141444.6
( 33 ) 一种基于深度可分离卷积和远距离依赖的在脑部磁共振图像上的脑卒中病变区域分割方法, 发明, 2019, 第 1 作者, 专利号: CN201911125330.2
( 34 ) 一种快速成像算法, 发明, 2019, 第 1 作者, 专利号: CN201911125447.0
( 35 ) 弱监督磁共振快速成像方法和装置, 发明, 2019, 第 2 作者, 专利号: CN2019112596507
( 36 ) 一种无监督领域自适应乳腺病变分割方法, 发明, 2019, 第 1 作者, 专利号: CN201911264888.9
( 37 ) 一种基于张量火车的高维医学成像方法, 发明, 2019, 第 1 作者, 专利号: CN201911267956.7
( 38 ) 一种基于神经结构搜索的快速磁共振图像重建方法, 发明, 2019, 第 1 作者, 专利号: CN201911287973.7

科研活动

   
科研项目
( 1 ) 基于深度卷积神经网络的快速磁共振成像方法研究, 主持, 国家级, 2017-01--2019-12
( 2 ) 基于协作结构稀疏性的多通道磁共振成像研究, 主持, 省级, 2016-09--2018-08
( 3 ) 基于自适应稀疏表达的快速高分辨率磁共振成像研究, 主持, 省级, 2015-08--2018-08
( 4 ) 基于字典学习的磁共振退化因素双校正快速成像技术研究, 主持, 省级, 2014-12--2016-12
( 5 ) 基于字典学习的磁共振退化因素校正成像研究, 主持, 部委级, 2015-01--2016-12
( 6 ) 磁共振成像与多模系统, 参与, 省级, 2015-01--2017-12
( 7 ) PET-MRI成像理论与关键技术研究, 参与, 省级, 2015-01--2017-12
( 8 ) 基于影像基因组学的乳腺癌精准临床诊断及预后评估模型开发, 主持, 省级, 2017-07--2020-06
( 9 ) 基于深度先验学习的头颈一体化磁共振血管壁快速成像关键问题研究, 主持, 国家级, 2019-01--2021-12
( 10 ) 脑卒中相关血管床粥样硬化斑块的快速磁共振成像及智能诊断研究, 参与, 国家级, 2019-01--2023-12
( 11 ) 基20180248人工智能头颈斑块自动检测研究, 主持, 省级, 2019-01--2021-12
参与会议
(1)大会主持   第27届国际磁共振大会   2019-10-04
(2)Fast medical imaging and analysis   加拿大蒙特利尔魁北克大学40分钟邀请报告   2019-05-15
(3)Learning reconstruction and analysis for medical imaging   美国哈佛大学40分钟邀请报告   2019-05-10
(4)Learning image reconstruction: artificial intelligence changes the game   美国Procer Academy受邀给40分钟的主题报告Gordon plenary lecture   2018-07-10
(5) Investigation of convolutional neural network based deep learning for cardiac imaging   第26届国际磁共振大会   2018-06-14
(6)1D partial parallel MR imaging via deep convolutional neural network   第25届国际磁共振年会   2017-04-22
(7)Exploiting deep convolutional neural network for fast magnetic resonance imaging   第24届国际磁共振年会   2016-05-07
(8)Accelerating Magnetic Resonance Imaging Via Deep Learning   第13届国际生物医学成像研讨会   2016-04-13
(9)用于磁共振图像重建的字典学习   2015生物医学媒体计算国际学术研讨会   2015-09-22
(10)Parallel magnetic resonance imaging via dictionary learning   第23届国际磁共振年会   2015-05-30
(11)Parallel imaging via sparse representation over a learned dictionary   第12届国际生物医学成像研讨会   2015-04-16

开源代码与程序

  • Shanshan Wang, Cheng Li, Rongpin Wang, Zaiyi Liu, Meiyun Wang, Hongna Tan, Yaping Wu, Xinfeng Liu, Hui Sun, Rui Yang, Xin Liu, Jie Chen, Huihui Zhou, Ismail Ben Ayed, Hairong Zheng,Annotation-efficient deep learning for automatic medical image segmentation,Nature communications 12 (1), 1-13, https://zenodo.org/record/5511736#.YYzt78h6RWY
  • M Zhang, M Li, J Zhou, Y Zhu, Shanshan Wang, D Liang, Y Chen, Q Liu, High-dimensional Embedding Network Derived Prior for Compressive Sensing MRI Reconstruction, Medical image analysis, 2020, Code https://github.com/yqx7150/EDMSPRec.
  •  Jinjie Zhou, Zhuonan He, Xiaodong Liu, Yuhao Wang, Shanshan Wang, Qiegen Liu, Transformed denoising autoencoder prior for image restoration, Journal of Visual Communication and Image Volume 72, October 2020, 102927 Code: https://github.com/yqx7150/TDAEP
  • Shanshan Wang, Huitao Cheng, Leslie Ying, Taohui Xiao, Ziwen Ke, Hairong Zheng and Dong Liang, DeepcomplexMRI: Exploiting deep residual network for fast parallel MR imaging with complex convolution, Magnetic resonance imaging, 2020, DOI: 10.1016/j.mri.2020.02.002 , Code: https://github.com/CedricChing/DeepMRI
  •  Cheng Li, Jingxu Xu, Qiegen Liu, Yongjin Zhou, Lisha Mou, Zuhui Pu, Yong Xia, Hairong Zheng, and Shanshan Wang*, Multi-view mammographic density classification by dilated and attention-guided residual learning, IEEE/ACM Transactions on Computational Biology and Bioinformatics 2020, Code: https://github.com/lich0031/Mammographic_Density_Classification
  • Yongjin Zhou, Weijian Huang, Pei Dong, Yong Xia, and Shanshan Wang*, D-UNet: a dimension-fusion U shape network for chronic stroke lesion segmentation, IEEE/ACM Transactions on Computational Biology and Bioinformatics 2019, DOI 10.1109/TCBB.2019.2939522, Code: https://github.com/SZUHvern/D-UNet
  •  Hui Sun, Cheng Li, Boqiang Liu, Zaiyi Liu, Meiyun Wang, Hairong Zheng, David Dagan Feng and Shanshan Wang*, AUNet: Attention-guided dense-upsampling networks for breast mass segmentation in whole mammograms, Physics in medicine and biology, 2019, code: https://github.com/lich0031/AUNet
  •  Wei Zeng, Jie Peng, Shanshan Wang, Qiegen Liu, A Comparative Study of CNN-based Super-resolution Methods in MRI Reconstruction and Its Beyond, Signal processing: image communication, Volume 81, February 2020, 115701, code: https://github.com/yqx7150/DCCN.  
  • Yiling Liu, Qiegen Liu, Minghui Zhang, Q. Yang, Shanshan Wang and Dong Liang, “IFR-Net: Iterative Feature Refinement Net-work for Compressed Sensing MRI,” IEEE Transactions on Computational Imaging. DOI: 10.1109/TCI.2019.2956877, Vol 434 – 446, 29 November 2019, https://github.com/yqx7150/IFR-Net-Code.
  • Qiegen Liu, Qingxin Yang, Huitao Cheng, Shanshan Wang, Minghui Zhang, Dong Liang, Highly undersampled magnetic resonance imaging reconstruction using autoencoder priors, Magnetic Resonance in Medicine, DOI: 10.1002/mrm.27921, 2019, https://github.com/yqx7150/EDAEPRec/blob/master/version2.
  • Shanshan Wang, Ziwen Ke, Huitao Cheng, Sen Jia, Leslie Ying, Hairong Zheng, Dong Liang. DIMENSION: Dynamic MR Imaging with Both K-space and Spatial Prior Knowledge Obtained via Multi-Supervised Network Training, NMR in Biomedicine: 2019 , DOI:10.1002/nbm.4131, code: https://github.com/Keziwen/DIMENSION.
  •   Minghui Zhang, Fengqin Zhang, Qiegen Liu, Shanshan Wang*, VST-Net: Variance-stabilizing Transformation Inspired Network for Poisson Denoising, Journal of visual communication and image representation, Volume 62, July 2019, Pages 12-22, Doi: https://doi.org/10.1016/j.jvcir.2019.04.011, Code: https://github.com/yqx7150/VST-Net.
  •  Qiegen Liu, Shanshan Wang, Dong Liang, “Sparse and Dense Hybrid Representation via Subspace Modeling for Dynamic MRI”, Computerized Medical Imaging and Graphics. Volume 56, March 2017, Pages 24–37.SCI, IF:1.385Code: https://drive.google.com/drive/folders/0B3EiIvcKNZj8fkplX1JGR21yNjdORkhralp1NGxNb1RTRGFfOWZ0dGthNk5CeVpBV1FWZVE.
  •  Qiegen Liu, Shanshan Wang, Leslie Ying, Xi Peng, Yanjie Zhu, and Dong Liang, “Adaptive Dictionary Learning in Sparse Gradient Domain for Image Recovery”, IEEE Transactions on Image Processing, 22 (2013), 4652-4663. (SCI, IF: 3.111), Accepted July 25, 2013. Date of publication August 15, 2013, Code https://drive.google.com/drive/folders/0B3EiIvcKNZj8UWZ5RUE4RHl5S00.
  • Qiegen Liu, Shanshan Wang, Kun Yang, Jianhua Luo, Yuemin Zhu, and Dong Liang, “Highly Undersampled Magnetic Resonance Image Reconstruction Using Two-Level Bregman Method with Dictionary Updating”, IEEE Transactions on Medical Imaging, 32 (2013), 1290-1301. (SCI, IF: 3.799) accepted March 25, 2013. Date of publication April 02, 2013, Code: https://drive.google.com/drive/folders/0B3EiIvcKNZj8cW4zZC1uSnJPUUUdrive/folders/0B3EiIvcKNZj8cW4zZC1uSnJPUUU.
  • Qiegen Liu, Shanshan Wang, Jianhua Luo, “A Novel Predual Dictionary Learning Algorithm,” Journal of Visual Communication and Image Representation, 23 (2012), pp. 182-193. (SCI, IF: 1.361) Accepted 19 September 2011, Available online 25 September 2011, https://github.com/yqx7150/yqx7150/PDL_ALM_DL_code.
  • Qiegen Liu, Jianhua Luo, Shanshan Wang, Moyan Xiao, and Meng Ye, “An Augmented Lagrangian Multi-Scale Dictionary Learning Algorithm,” EURASIP Journal on Advances in Signal Processing, vol. 2011, no. 1, pp. 1-16, 2011. (SCI, IF: 0.808) Accepted: 12 September 2011, Published: 12 September 2011,Code:  https://github.com/yqx7150/PDL_ALM_DL_code.
  • Xiangshun Liu, Minghui Zhang, Qiegen Liu, Taohui Xiao, Hairong Zheng, Leslie Ying, Shanshan Wang*, Multi-Contrast MR Reconstruction with Enhanced Denoising Autoencoder Prior Learning, 17th International Symposium on Biomedical Imaging: From Nano to Macro (ISBI), Iowa City, Iowa, United States 2020 (EI). Code: https://github.com/yqx7150.
  • Yanxia Chen, Taohui Xiao, Cheng Li, Qiegen Liu and Shanshan Wang*, Model-based Convolutional De-Aliasing Network Learning for Parallel MR Imaging. 22nd International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI'19), Shenzhen, China, 2019.Code: https://github.com/yanxiachen/ConvDe-AliasingNet.
  •  Kehan Qi, Hao Yang, Cheng Li, Zaiyi Liu, Meiyun Wang, Qiegen Liu and Shanshan Wang*, X-Net: Brain Stroke Lesion Segmentation Based on Depthwise Separable Convolution and Long-range Dependencies, 22nd International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI 2019), Shenzhen, China, 2019. (EI), Code: https://github.com/Andrewsher/X-Net.
  • Hao Yang, Weijian Huang, Kehan Qi, Cheng Li, Xinfeng Liu, Meiyun Wang, Hairong Zheng, and Shanshan Wang*, CLCI-Net: Cross-Level Fusion and Context Inference Networks for Lesion Segmentation of Chronic Stroke,  22nd International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI'19), Shenzhen, China, 2019. Code: https://github.com/YH0517/CLCI_Net.
  •  Yuan Yuan, Jinjie Zhou, Zhuonan He, Shanshan Wang, Biao Xiong, Qiegen Liu, High-dimensional embedding denoising autoencoding prior for color image restoration, 26th IEEE International Conference on Image Processing (ICIP), Taipei, Taiwan, 2019 (EI).Code: https://github.com/yqx7150/M2DAEP.
  •  Wei Zeng, Jie Peng, Shanshan Wang, Zhicheng Li, Qiegen Liu, Dong Liang, “A comparative study of CNN-based super-resolution methods in MRI reconstruction", 16th International Symposium on Biomedical Imaging: From Nano to Macro (ISBI), Venice, Italy 2019 (EI). https://github.com/yqx7150/DCCN.