跳转到内容

王革：修订间差异

添加链接
维基百科，自由的百科全书
以互动方式浏览历史
←上一版本
删除的内容 添加的内容
可视化wikitext
Xwj90620（留言 | 贡献）
28次编辑
无编辑摘要
标签：添加文件
Cewbot（留言 | 贡献）
机器人、​回退员
1,922,255次编辑
小 清理跨語言連結美国国家发明家科学院成為內部連結:編輯摘要的紅色內部連結乃正常現象，經繁簡轉換後存在，非bot錯誤編輯 (本次機械人作業已完成52%)
 
（未显示12个用户的29个中间版本）
第1行： 第1行：
{{COI|time=2023-10-02T01:04:06+00:00}}
{{Advert|time=2022-06-13T11:15:41+00:00}}
{{Infobox scientist
{{Infobox scientist
| name = Ge Wang <br />王革
| name = Ge Wang <br />王革
| image = [[File:Ge Wang Photo.png|thumb|王革教授的照片]]
| image =
| alt =
| caption =
| caption =
| birth_date = 1957年
| birth_date = {{birth date and age|mf=yes|1957|1|20}}
| birth_place = [[中国]]
| birth_place = {{CHN}}[[辽宁]][[沈阳]]
| death_date = <!-- {{Death date and age|YYYY|MM|DD|YYYY|MM|DD}} (death date then birth date) -->
| death_date = <!-- {{Death date and age|YYYY|MM|DD|YYYY|MM|DD}} (death date then birth date) -->
| death_place =
| death_place =
第13行： 第14行：
| fields = [[医学成像]]
| fields = [[医学成像]]
| workplaces = [[伦斯勒理工学院]]
| workplaces = [[伦斯勒理工学院]]
| alma_mater = [[西安电子科技大学]]<br>[[中国科学院研究生院]]<br>[[纽约州立大学布法罗分校]]
| alma_mater = [[西安电子科技大学]]<br>[[纽约州立大学布法罗分校]]
| doctoral_advisor =
| doctoral_advisor =
| academic_advisors =
| academic_advisors =
第19行： 第20行：
| notable_students =
| notable_students =
| known_for =
| known_for =
| author_abbrev_bot =
| author_abbrev_zoo =
| influences =
| influenced =
| awards =
| awards =
| signature = <!--(filename only)-->
| signature_alt =
| footnotes =
| spouse =
}}
}}
⚫
'''王革'''（{{bd|1957年|1月20日}}），医学成像学家，[[美国医学与生物工程院]]（AIMBE）会士<ref>{{cite web |title=AIMBE College of Fellows Class of 2002 |url=https://aimbe.org/college-of-fellows/COF-1049/ |access-date=2022-06-13 |archive-date=2022-06-24 |archive-url=https://web.archive.org/web/20220624105533/https://aimbe.org/college-of-fellows/cof-1049/ }}</ref>、[[电气与电子工程师学会]]（IEEE）会士<ref>{{cite web |title=IEEE作者 |url=https://ieeexplore.ieee.org/author/37278829700 |access-date=2022-06-13 |archive-date=2022-06-23 |archive-url=https://web.archive.org/web/20220623201617/https://ieeexplore.ieee.org/author/37278829700 }}</ref>、[[国际光学工程学会]]（SPIE）会士<ref>{{cite web |title=SPIE profile |url=https://spie.org/profile/Ge.Wang-20694 |access-date=2022-06-13 |archive-date=2022-06-13 |archive-url=https://web.archive.org/web/20220613080116/https://spie.org/profile/Ge.Wang-20694 }}</ref>、[[美国光学学会]]（OSA）会士、[[美国医学物理协会]]（AAPM）会士<ref>{{cite web |title=AAPM Fellows |url=https://www.aapm.org/org/history/fellows.asp |access-date=2022-06-13 |archive-date=2021-04-14 |archive-url=https://web.archive.org/web/20210414014226/https://aapm.org/org/history/fellows.asp }}</ref>、[[美国科学促进会]]（AAAS）会士<ref>{{cite news |title=Professors Berman, Garde, and Wang Selected as 2014 AAAS Fellows |url=https://eng.rpi.edu/news/11242014-1900/professors-berman-garde-and-wang-selected-2014-aaas-fellows |accessdate=2014-11-24 |agency=RPI news |archive-date=2022-06-26 |archive-url=https://web.archive.org/web/20220626203120/https://eng.rpi.edu/news/11242014-1900/professors-berman-garde-and-wang-selected-2014-aaas-fellows }}</ref>、[[美国国家发明家科学院]]（NAI）院士<ref>{{cite web |title=AIMBE Fellowbook |url=https://aimbe.org/ge-wang-named-a-fellow-of-the-national-academy-of-inventors/ |access-date=2022-06-13 |archive-date=2022-06-16 |archive-url=https://web.archive.org/web/20220616044417/https://aimbe.org/ge-wang-named-a-fellow-of-the-national-academy-of-inventors/ }}</ref>。研究领域包括[[计算机断层成像]]（Computed Tomography，CT）、多模态成像和[[人工智能]]（侧重于[[深度学习]]）。目前是美国[[伦斯勒理工学院]]生物医学工程系的Clark & Crossan讲席教授，也是该校生物医学成像中心主任<ref>{{cite web |title=王革伦斯勒理工学院主页 |url=https://faculty.rpi.edu/ge-wang |access-date=2022-06-13 |archive-date=2022-06-15 |archive-url=https://web.archive.org/web/20220615162308/https://faculty.rpi.edu/ge-wang }}</ref>。


⚫
==生平==


王革1982年毕业于[[西安电子科技大学]]电子工程系，1985年在[[中国科学院研究生院]]遥感应用研究所获得硕士学位，随后于1991年和1992年在[[纽约州立大学布法罗分校]]获得电气和计算机工程的硕士和博士学位。毕业后，王革于1994年加入[[圣路易斯华盛顿大学]]马林克罗特放射研究所担任讲师进行研究工作，1996年离开[[圣路易斯华盛顿大学]]后，于次年加入[[爱荷华大学]]放射学系，并在[[爱荷华大学]]进行了长达10年的研究工作。在2006年，王革加入弗吉尼亚理工大学——威克森林大学生物医学工程科学学院|Virginia Tech - Wake Forest University School of Biomedical Engineering & Sciences}}担任教授，并兼任生物医学成像部主任<ref>{{cite news |title=Biomedical Imaging Expert Ge Wang Joins Rensselaer as Clark and Crossan Professor |url=https://news.rpi.edu/luwakkey/3171 |accessdate=2013-04-29 |4= |agency=RENSSELAER NEWS |archive-date=2016-10-24 |archive-url=https://web.archive.org/web/20161024231931/http://news.rpi.edu/luwakkey/3171 }}</ref>。
⚫
'''王革'''（{{bd|1957年|}}），医学成像学家，[[美国医学与生物工程院]]（AIMBE）会士<ref>{{cite web |title=AIMBE College of Fellows Class of 2002 |url=https://aimbe.org/college-of-fellows/COF-1049/}}</ref>、[[电气与电子工程师学会]]（IEEE）会士<ref>{{cite web |title=IEEE作者 |url=https://ieeexplore.ieee.org/author/37278829700}}</ref>、[[国际光学工程学会]]（SPIE）会士<ref>{{cite web |title=SPIE profile |url=https://spie.org/profile/Ge.Wang-20694}}</ref>、[[美国光学学会]]（OSA）会士、[[美国医学物理协会]]（AAPM）会士<ref>{{cite web |title=AAPM Fellows |url=https://www.aapm.org/org/history/fellows.asp}}</ref>、[[美国科学促进会]]（AAAS）会士<ref>{{cite news |title=Professors Berman, Garde, and Wang Selected as 2014 AAAS Fellows |url=https://eng.rpi.edu/news/11242014-1900/professors-berman-garde-and-wang-selected-2014-aaas-fellows |accessdate=2014-11-24 |agency=RPI news}}</ref>、{{link-en|美国国家发明家科学院|National Academy of Inventors}}（NAI）院士<ref>{{cite web |title=AIMBE Fellowbook |url=https://aimbe.org/ge-wang-named-a-fellow-of-the-national-academy-of-inventors/}}</ref>。研究领域包括[[计算机断层成像]]（Computed Tomography，CT）、多模态成像和[[人工智能]]（侧重于[[深度学习]]）。目前是美国[[伦斯勒理工学院]]生物医学工程系的Clark & Crossan讲席教授，也是该校生物医学成像中心主任<ref>{{cite web |title=王革伦斯勒理工学院主页 |url=https://faculty.rpi.edu/ge-wang}}</ref>。


2008年10月，王革受[[西安电子科技大学]]邀请作为杰出校友回到母校访问，并被授予[[西安电子科技大学]]名誉教授<ref>{{cite news |author1=电子工程学院 |title=我校举行王革名誉教授授予仪式暨学术报告会 |url=https://see.xidian.edu.cn/html/news/2028.html |accessdate=2008-11-05 |agency=西电电子工程学院新闻}}</ref><ref>{{cite news |author1=西电E流 |title=校友王革：与学弟学妹谈学业与成长 |url=https://see.xidian.edu.cn/html/news/2025.html |accessdate=2008-11-04 |agency=西电电子工程学院新闻}}</ref>。
⚫
==生平==

[[File:Spiral-Cone-Beam-CT-Image.png|thubm|280x350px|left|螺旋锥束CT同步进行机架旋转、数据采集和患者平移]]
2013年，王革加入[[伦斯勒理工学院]]，作为生物医学工程系的Clark & Crossan讲席教授和生物医学成像中心主任从事研究工作至今。
⚫
王革在1991年率先提出了螺旋锥束CT方法<ref>{{cite journal |author1=Ge Wang et al. |title=A general cone-beam reconstruction algorithm |journal=IEEE Transactions on Medical Imaging |volume=12 |issue=3 |page=486-496 |doi=10.1109/42.241876}}</ref>。他在螺旋锥束CT方面的工作解决了“长物体问题”（纵向数据截断问题），对CT领域产生了重大影响<ref>{{cite journal |author1=Ge Wang et al. |title=Approximate and exact cone-beam reconstruction with standard and non-standard spiral scanning |journal=Physics in Medicine & Biology |volume=52 |issue=6 |page=R1}}</ref>。比利时布鲁塞尔自由大学核医学系医学成像专家Defrise等人<ref>{{cite journal |author1=Michel Defrise et al. |title=A solution to the long-object problem in helical cone-beam tomography |journal=Physics in Medicine & Biology |volume=45 |issue=3 |page=623}}</ref>提到：“为了解决长物体问题，可以沿实际测量射线方向，对3D 数据进行反投影，以改进2D滤波反投影算法从而实现螺旋锥束CT重建。这种方法的原型是Wang等人提出的。”美国芝加哥大学放射学系教授La Riviere和Csuptwo有限责任公司的医学成像专家Crawford<ref>{{cite journal |author1=Patrick J. La Rivière and Carl R. Crawford |title=From EMI to AI: a brief history of commercial CT reconstruction algorithms |journal=Journal of Medical Imaging |volume=8 |issue=5 |page=052111}}</ref>提到：“大多数商业系统使用的近似算法都是基于把Feldkamp-Davis-Kress（FDK）算法扩展到螺旋锥束扫描轨迹，该扩展最初由Wang等人推导出来。”由于这项贡献，他于2019年入选{{link-en|美国国家发明家科学院|National Academy of Inventors}}（NAI）<ref>{{cite web |title=AIMBE Fellowbook |url=https://aimbe.org/ge-wang-named-a-fellow-of-the-national-academy-of-inventors/}}</ref>。王革及其合作者发表了系列相关文章，解决了一般轨迹锥束CT的精确重建<ref>{{cite journal |author1=Yangbo Ye and Ge Wang |title=Filtered backprojection formula for exact image reconstruction from cone-beam data along a general scanning curve |journal=Medical Physics |volume=32 |issue=1 |page=42-48 |doi=10.1118/1.1828673 |pmid=15719953}}</ref>和三源螺旋锥束CT的准精确重建<ref>{{cite web |title=US Patent US20120039434A1 |url=https://patents.google.com/patent/US20120039434?oq=8483351}}</ref>等问题。目前，每年约有2亿次医学CT扫描<ref>{{cite web |title=CT扫描统计 |url=https://www.statista.com/statistics/266539/distribution-of-equipment-for-computer-tomography/}}</ref>，其中大部分都是采用这种扫描模式。

==职业生涯==

⚫
王革在1991年率先提出了螺旋锥束CT方法<ref>{{cite journal |author1=Ge Wang et al. |title=A general cone-beam reconstruction algorithm |journal=IEEE Transactions on Medical Imaging |volume=12 |issue=3 |page=486-496 |doi=10.1109/42.241876}}</ref>。他在螺旋锥束CT方面的工作解决了“长物体问题”（纵向数据截断问题），对CT领域产生了影响<ref>{{cite news |author1=Reich ES |title=Nature, In-Focus News |url=http://www.nature.com/polopoly_fs/1.9645!/import/pdf/480303a.pdf |accessdate=2011-12-14 |agency=Nature, In-Focus News |archive-date=2018-07-30 |archive-url=https://web.archive.org/web/20180730123128/http://www.nature.com/polopoly_fs/1.9645!/import/pdf/480303a.pdf }}</ref>。比利时布鲁塞尔自由大学核医学系医学成像专家Defrise等人<ref>{{cite journal |author1=Michel Defrise et al. |title=A solution to the long-object problem in helical cone-beam tomography |journal=Physics in Medicine & Biology |volume=45 |issue=3 |page=623}}</ref>提到：“为了解决长物体问题，可以沿实际测量射线方向，对3D 数据进行反投影，以改进2D滤波反投影算法从而实现螺旋锥束CT重建。这种方法的原型是Wang等人提出的。”美国芝加哥大学放射学系教授La Riviere和Csuptwo有限责任公司的医学成像专家Crawford<ref>{{cite journal |author1=Patrick J. La Rivière and Carl R. Crawford |title=From EMI to AI: a brief history of commercial CT reconstruction algorithms |journal=Journal of Medical Imaging |volume=8 |issue=5 |page=052111}}</ref>写到：“大多数商业系统使用的近似算法都是基于把Feldkamp-Davis-Kress（FDK）算法扩展到螺旋锥束扫描轨迹，该扩展最初由Wang等人推导出来。”由于这项贡献，他于2019年入选[[美国国家发明家科学院]]（NAI）。王革及其合作者发表了系列相关文章，解决了一般轨迹锥束CT的精确重建和三源螺旋锥束CT的准精确重建等问题。目前，每年约有2亿次医学CT扫描，其中大部分都是采用这种扫描模式。

2016年，王革提出了第一个深度成像技术路线图<ref>{{cite journal |author1=Ge Wang |title=A Perspective on Deep Imaging |journal=IEEE Access |volume=4 |page=8914 - 8924 |doi=10.1109/ACCESS.2016.2624938}}</ref>。自此，他与他的合作者在这个全新领域发表了一系列论文，主要成果涵盖深度去噪、深度重建和深度放射组学。2018年举办的林道诺贝尔奖得主大会对他在深度去噪方面的工作进行了报导<ref>{{cite news |author1=Jude Dineley |title=Tackling the Silent Crisis in Cancer Care |url=https://www.lindau-nobel.org/blog-tackling-the-silent-crisis-in-cancer-care-with-innovation/ |accessdate=2018-08-01 |agency=Nobel Laureate Meeting |archive-date=2022-04-17 |archive-url=https://web.archive.org/web/20220417120935/https://www.lindau-nobel.org/blog-tackling-the-silent-crisis-in-cancer-care-with-innovation/ }}</ref>。2019年，他与合著者出版了第一本关于基于机器学习的图像重建专业著作（IOP最流行的电子图书之一，2020年有超过33,000的下载量）<ref>{{cite news |author1=Tami Freeman |title=Machine learning for tomographic imaging |url=https://physicsworld.com/a/machine-learning-for-tomographic-imaging/ |accessdate=2020-01-30 |agency=Physics World |archive-date=2022-02-20 |archive-url=https://web.archive.org/web/20220220024916/https://physicsworld.com/a/machine-learning-for-tomographic-imaging/ }}</ref>，并为IEEE Transactions on Medical Imaging主办了两期关于该主题的特刊。他的团队与[[通用电气]]、[[美国食品药品监督管理局|FDA]]、[[哈佛大学]]及其他研究机构合作，积极开发应用于临床和临床前的深度成像算法和系统。

王革及其合作者建立了用于解决“内问题”（横向数据截断）的内成像（interior tomography）方法以及泛成像（omni-tomography，应用于断层扫描多模态的时空融合，例如同步CT-MRI）方法<ref>{{cite news |author1=Ge Wang et al. |title=Design proposed for a combined MRI/computed-tomography scanner |url=https://spie.org/x94063.xml |accessdate=2013-06-11 |agency=SPIE news |archive-date=2015-11-14 |archive-url=https://web.archive.org/web/20151114003605/https://spie.org/x94063.xml }}</ref>。此外，他的团队开发了用于光学分子成像的生物荧光断层成像术（bioluminescence tomography）<ref>{{cite web |author1=BioPhotonics |title=Bioluminescence tomography |url=https://www.photonics.com/Articles/Bioluminescence_tomography/a32744}}</ref>和用于瞬时精细结构成像的多能X光散射谱成像术（spectrography）。此外，他在公理化文献计量学（axiomatic bibliometrics）也有研究。此外，他还开发了第一门深度医学成像的本科和研究生课程<ref>{{cite web |title=Innovating the Medical Imaging Course |url=https://www.ingentaconnect.com/content/nai/ti/2020/00000021/00000004/art00005 |access-date=2022-06-13 |archive-date=2022-06-15 |archive-url=https://web.archive.org/web/20220615141023/https://www.ingentaconnect.com/content/nai/ti/2020/00000021/00000004/art00005 }}</ref>和远程在线考试防作弊技术<ref>{{cite news |author1=Wells T |title=In era of online learning, new testing method aims to reduce cheating |url=https://www.sciencedaily.com/releases/2021/03/210301133826.htm?utm_source=feedburner&utm_medium=email&utm_campaign=Feed%3A+sciencedaily%2Fmind_brain%2Fintelligence+%28Intelligence+News+--+ScienceDaily%29 |accessdate=2021-03-01 |agency=Science Daily |archive-date=2022-02-20 |archive-url=https://web.archive.org/web/20220220235011/https://www.sciencedaily.com/releases/2021/03/210301133826.htm?utm_source=feedburner&utm_medium=email&utm_campaign=Feed%3A+sciencedaily%2Fmind_brain%2Fintelligence+%28Intelligence+News+--+ScienceDaily%29 }}</ref>。

⚫
王革在[[PNAS]]、[[Nature]]、Nature Machine Intelligence、[[Nature Communications]]等著名学术期刊发表了超过550篇[[同行评议]]论文，以及许多刊载在会议和[[arXiv]]上的论文，目前拥有超过100项已批准和已发布的专利。在他的整个职业生涯中，受到[[NIH]]、[[NSF]]和工业界的连续资助，其中作为PI/Contact PI/MPI的资助超过4000万美元，作为Co-PI/Co-I/Mentor的资助超过3000万美元。他在多个国际大会进行了主题或特邀演讲，包括2021 SPIE O+P大会<ref>{{cite news |author1=Karen Thomas |title=Inventing the future |url=https://spie.org/news/ge-wang_inventing-the-future?SSO=1 |accessdate=2021-07-09 |agency=SPIE news |publisher=SPIE |archive-date=2022-07-03 |archive-url=https://web.archive.org/web/20220703144427/https://spie.org/news/ge-wang_inventing-the-future?SSO=1 }}</ref>作关于X光成像与深度学习融合的报告以及关于CT的中英文科普报告。他的TEDEd课程“X射线如何透视你”被观看了超过150万次<ref>{{cite web |title=How X-rays see through your skin - Ge Wang |url=https://ed.ted.com/lessons/how-x-rays-see-through-your-skin-ge-wang |access-date=2022-06-13 |archive-date=2022-06-22 |archive-url=https://web.archive.org/web/20220622031547/https://ed.ted.com/lessons/how-x-rays-see-through-your-skin-ge-wang }}</ref>。

==荣誉==
===专业协会===
王革因为其在医学成像领域及相关领域的杰出贡献，获得了多项专业会士的荣誉：

* 因为对单层螺旋、锥束螺旋和显微CT的发展做出的开创性贡献，于2002年被评为[[美国医学与生物工程院]]（American Institute for Medical and Biological Engineering，AIMBE）会士。

* 因为对X射线断层成像的贡献，于2003年被评为[[电气与电子工程师学会]]（Institute of Electrical and Electronics Engineers，IEEE）会士。

* 因为生物荧光断层成像的成就，于2007被评为[[国际光学工程学会]]（International Society for Optical Engineering，SPIE）会士。

* 因为对生物荧光成像发展的开创性贡献，于2009年被评为[[美国光学学会]]（Optical Society of America，OSA）会士。

* 因为对医学物理学的贡献，于2012被评为[[美国医学物理协会]]（American Association of Physics in Medicine，AAPM）会士。

* 因为对生物医学成像领域的杰出贡献，特别是在X射线断层成像、光学分子成像、内成像和多模态融合方面的贡献，于2014年被评为[[美国科学促进会]]（American Association for the Advancement of Science，AAAS）会士。

* 因为对螺旋锥束/多层CT的贡献，于2019被评为[[美国国家发明家科学院]]（National Academy of Inventor，NAI）院士。

===获奖===
王革获得诸多研究和教学奖项，部分如下：

* 于1997年获Journal of Computer Assisted Tomography颁发的Giovanni Di Chiro杰出科学研究奖。

* 于1999年获美国医学物理学家协会（AAPM）和医学物理与工程研究所（IPEM）颁发的AAPM/IPEM医学物理旅行奖（每年1人从美国到欧洲讲学2-3周）。

* 于2005年获美国大学放射学家协会（Association of University Radiologists，AUR）颁发的Herbert M. Stauffer杰出放射学基础科学论文奖。

* 于2010年获弗吉尼亚理工大学工程学院颁发的院长卓越研究奖。

* 于2012年获{{link-en|金水奖|Barry M. Goldwater Scholarship}}（Eugene Katsevich作为普林斯顿大学本科生，因在王革实验室暑期实习期间发表的一篇论文获奖）。

* 于2018年获伦斯勒理工学院颁发的工程学院杰出教授奖（每年1人）。

* 因为锥束断层扫描和基于深度学习的断层成像的开创性贡献，于2021年获IEEE生物医学工程学会（IEEE Engineering in Medicine and Biology Society，EMBS）颁发的IEEE EMBS学术生涯成就奖（每年1人）<ref>{{cite news |title=Ge Wang Receives 2021 EMBS Academic Career Achievement Award |url=https://news.rpi.edu/approach/2021/06/17 |accessdate=2021-06-17 |agency=RPI news |archive-date=2022-02-20 |archive-url=https://web.archive.org/web/20220220202145/https://news.rpi.edu/approach/2021/06/17 }}</ref>。

* 因为创办第一个深度学习医学影像的研究生和本科课程，于2021年获IEEE Region 1杰出教学奖（每年1人）。

* 论文“Shan HM, Padole A, Homayounieh F, Kruger U, Khera RD, Nitiwarangkul C, Kalra MK, Wang G, Nature Machine Intelligence 1:269-276, 2019”于2021年获世界人工智能大会（World Artificial Intelligence Conference，WAIC）颁发的世界人工智能大会青年优秀论文奖。

* 因为对X射线成像及光学分子成像，及它们在生物医学应用中进行结合的贡献，于2022年获SPIE颁发的SPIE Aden & Marjorie Meinel技术成就奖（每年1人）<ref>{{cite news |title=Ge Wang: The SPIE Aden & Marjorie Meinel Technology Achievement Award |url=https://spie.org/news/ge-wang-the-spie-aden-and-marjorie-meinel-technology-achievement-award?SSO=1 |accessdate=2022-01-11 |agency=SPIE news |archive-date=2022-02-21 |archive-url=https://web.archive.org/web/20220221012145/https://spie.org/news/ge-wang-the-spie-aden-and-marjorie-meinel-technology-achievement-award?SSO=1 }}</ref>。

* 于2021年获国际神经网络学会博士学位论文奖（指导的博士生Fenglei Fan的学位论文《Advanced Neural Networks and Their Interpretation》获神经网络、机器学习及相关领域的最佳博士学位论文）。


* 因为对医学成像的开创性贡献以及对研究、开发和医疗保健的重大影响，包括他的锥束CT方法和对人工智能成像领域的领导，于2022年获[[Sigma Xi科学研究学会]]Walston Chubb创新奖。
2016年，王革提出了第一个深度成像技术路线图<ref>{{cite journal |author1=Ge Wang |title=A Perspective on Deep Imaging |journal=IEEE Access |volume=4 |page=8914 - 8924 |doi=10.1109/ACCESS.2016.2624938}}</ref>。自此，他与他的合作者在这个全新领域发表了一系列论文，主要成果涵盖深度去噪<ref>{{cite journal |author1=Hongming Shan et al. |title=Competitive performance of a modularized deep neural network compared to commercial algorithms for low-dose CT image reconstruction |journal=Nature Machine Intelligence |volume=1 |page=269–276}}</ref>、深度重建<ref>{{cite journal |author1=Ge Wang et al. |title=Deep learning for tomographic image reconstruction |journal=Nature Machine Intelligence |volume=2 |page=737–748}}</ref>和深度放射组学<ref>{{cite journal |author1=Hanqing Chao et al. |title=Deep learning predicts cardiovascular disease risks from lung cancer screening low dose computed tomography |journal=Nature Communications |volume=12 |page=2963}}</ref>。2019年，他与合著者出版了第一本关于基于机器学习的图像重建专业著作（IOP最流行的电子图书之一，2020年超过33,000的下载量）<ref>{{cite book |author1=Ge Wang, Yi Zhang, Xiaojing Ye and Xuanqin Mou |title=Machine Learning for Tomographic Imaging |publisher=IOP Publishing |isbn=978-0-7503-2214-0}}</ref><ref>{{cite web |title=IOP Publishing: Machine Learning for Tomographic Imaging |url=https://iopscience.iop.org/book/978-0-7503-2216-4}}</ref>，并为IEEE Transactions on Medical Imaging主办了两期关于该主题的特刊<ref>{{cite journal |author1=Ge Wang et al. |title=Image Reconstruction is a New Frontier of Machine Learning |journal=IEEE Transactions on Medical Imaging |volume=37 |issue=6 |page=1289 - 1296 |doi=10.1109/TMI.2018.2833635}}</ref><ref>{{cite journal |author1=Ge Wang et al. |title=Deep Tomographic Image Reconstruction: Yesterday, Today, and Tomorrow—Editorial for the 2nd Special Issue “Machine Learning for Image Reconstruction” |journal=IEEE Transactions on Medical Imaging |volume=40 |issue=11 |page=2956 - 2964 |doi=10.1109/TMI.2021.3115547}}</ref>。他的团队与[[通用电气]]、[[FDA]]、[[哈佛大学]]及其他研究机构合作，积极开发应用于临床和临床前的深度成像算法和系统。


== 参考文献 ==
王革及其合作者建立了用于解决“内问题”（横向数据截断）的内成像（interior tomography）方法<ref>{{cite journal |author1=Ge Wang and Hengyong Yu |title=The meaning of interior tomography |journal=Physics in Medicine & Biology |issue=16 |page=R161-86 |doi=10.1088/0031-9155/58/16/R161}}</ref>以及泛成像（omni-tomography<ref>{{cite journal |author1=Ge Wang et al. |title=Towards Omni-Tomography—Grand Fusion of Multiple Modalities for Simultaneous Interior Tomography |journal=PloS one |volume=7 |issue=6 |page=e39700}}</ref>，应用于断层扫描多模态的时空融合，例如同步CT-MRI<ref>{{cite journal |author1=Ge Wang et al. |title=Vision 20/20: Simultaneous CT-MRI--Next chapter of multimodality imaging |journal=Medical Physics |volume=42 |issue=10 |page=5879-89}}</ref>）方法。此外，他的团队开发了用于光学分子成像的生物荧光断层成像术（bioluminescence tomography）<ref>{{cite journal |author1=Ge Wang et al. |title=In vivo mouse studies with bioluminescence tomography |journal=Optic Express |volume=14 |issue=17 |page=7801-7809 |doi=10.1364/oe.14.007801}}</ref>和用于瞬时精细结构成像的多能X光散射谱成像术（spectrography）<ref>{{cite journal |author1=Ge Wang et al. |title=Non-uniqueness and instability of 'ankylography' |journal=Nature |volume=480 |page=E2–E3}}</ref>。此外，他在公理化文献计量学（axiomatic bibliometrics）<ref>{{cite journal |author1=Jonathan Stallings |title=Determining scientific impact using a collaboration index |journal=Proceedings of the National Academy of Sciences of the United States of America |volume=110 |issue=24 |page=9680-5}}</ref>也有研究。此外，他还开发了第一门关于深度医学成像和远程在线测试技术的本科和研究生课程<ref>{{cite web |title=Innovating the Medical Imaging Course |url=https://www.ingentaconnect.com/content/nai/ti/2020/00000021/00000004/art00005}}</ref><ref>{{cite web |title=Optimized collusion prevention for online exams during social distancing |url=https://www.nature.com/articles/s41539-020-00083-3}}</ref>。
{{Reflist|30em}}


{{normdaten}}
⚫
王革在[[PNAS]]、[[Nature]]、Nature Machine Intelligence、[[Nature Communications]]等著名学术期刊发表了超过500篇[[同行评议]]论文，以及若干刊载在会议和[[arXiv]]上的论文，目前拥有超过100项已批准和已发布的专利。在他的整个职业生涯中，受到[[NIH]]、[[NSF]]和工业界的连续资助，其中作为PI/Contact PI/MPI的资助超过4000万美元，作为Co-PI/Co-I/Mentor的资助超过3000万美元。他在多个国际大会进行了主题或特邀演讲，包括2021 SPIE O+P大会<ref>{{cite news |author1=Karen Thomas |title=Inventing the future |url=https://spie.org/news/ge-wang_inventing-the-future?SSO=1 |accessdate=2021-07-09 |agency=SPIE news |publisher=SPIE}}</ref>作关于X光成像与深度学习融合的报告以及关于CT的中英文科普报告<ref>{{cite web |title=Computed Tomography– Scanning into the Future |url=https://www.youtube.com/watch?reload=9&v=9jZ1S_AJUdE}}</ref><ref>{{cite web |title=CT – Ideas & Impacts |url=https://www.youtube.com/watch?v=SBVDMZ9Z71M&t=1497s}}</ref>。他的TEDEd课程“X射线如何透视你”被观看了超过150万次<ref>{{cite web |title=How X-rays see through your skin - Ge Wang |url=https://ed.ted.com/lessons/how-x-rays-see-through-your-skin-ge-wang}}</ref>。
{{DEFAULTSORT:wang ge}}
[[Category:辽宁科学家]]
[[Category:西安电子科技大学校友]]
[[Category:紐約州立大學水牛城分校校友]]
[[Category:美国国家发明家科学院院士]]
[[Category:美国医学与生物工程院院士]]
[[Category:電機電子工程師學會會士]]
[[Category:爱荷华大学教师]]
[[Category:沈阳人]]
[[Category:王姓|Ge]]

2024年6月16日 (日) 01:08的最新版本

Ge Wang
王革
出生 (1957-01-20) 1957年1月20日（67歲）
 中国辽宁沈阳
母校西安电子科技大学
纽约州立大学布法罗分校
科学生涯
研究领域医学成像
机构伦斯勒理工学院

王革（1957年1月20日—），医学成像学家，美国医学与生物工程院（AIMBE）会士[1]、电气与电子工程师学会（IEEE）会士[2]、国际光学工程学会（SPIE）会士[3]、美国光学学会（OSA）会士、美国医学物理协会（AAPM）会士[4]、美国科学促进会（AAAS）会士[5]、美国国家发明家科学院（NAI）院士[6]。研究领域包括计算机断层成像（Computed Tomography，CT）、多模态成像和人工智能（侧重于深度学习）。目前是美国伦斯勒理工学院生物医学工程系的Clark & Crossan讲席教授，也是该校生物医学成像中心主任[7]。

生平

[编辑]

王革1982年毕业于西安电子科技大学电子工程系，1985年在中国科学院研究生院遥感应用研究所获得硕士学位，随后于1991年和1992年在纽约州立大学布法罗分校获得电气和计算机工程的硕士和博士学位。毕业后，王革于1994年加入圣路易斯华盛顿大学马林克罗特放射研究所担任讲师进行研究工作，1996年离开圣路易斯华盛顿大学后，于次年加入爱荷华大学放射学系，并在爱荷华大学进行了长达10年的研究工作。在2006年，王革加入弗吉尼亚理工大学——威克森林大学生物医学工程科学学院|Virginia Tech - Wake Forest University School of Biomedical Engineering & Sciences}}担任教授，并兼任生物医学成像部主任[8]。

2008年10月，王革受西安电子科技大学邀请作为杰出校友回到母校访问，并被授予西安电子科技大学名誉教授[9][10]。

2013年，王革加入伦斯勒理工学院，作为生物医学工程系的Clark & Crossan讲席教授和生物医学成像中心主任从事研究工作至今。

职业生涯

[编辑]

王革在1991年率先提出了螺旋锥束CT方法[11]。他在螺旋锥束CT方面的工作解决了“长物体问题”（纵向数据截断问题），对CT领域产生了影响[12]。比利时布鲁塞尔自由大学核医学系医学成像专家Defrise等人[13]提到：“为了解决长物体问题，可以沿实际测量射线方向，对3D 数据进行反投影，以改进2D滤波反投影算法从而实现螺旋锥束CT重建。这种方法的原型是Wang等人提出的。”美国芝加哥大学放射学系教授La Riviere和Csuptwo有限责任公司的医学成像专家Crawford[14]写到：“大多数商业系统使用的近似算法都是基于把Feldkamp-Davis-Kress（FDK）算法扩展到螺旋锥束扫描轨迹，该扩展最初由Wang等人推导出来。”由于这项贡献，他于2019年入选美国国家发明家科学院（NAI）。王革及其合作者发表了系列相关文章，解决了一般轨迹锥束CT的精确重建和三源螺旋锥束CT的准精确重建等问题。目前，每年约有2亿次医学CT扫描，其中大部分都是采用这种扫描模式。

2016年，王革提出了第一个深度成像技术路线图[15]。自此，他与他的合作者在这个全新领域发表了一系列论文，主要成果涵盖深度去噪、深度重建和深度放射组学。2018年举办的林道诺贝尔奖得主大会对他在深度去噪方面的工作进行了报导[16]。2019年，他与合著者出版了第一本关于基于机器学习的图像重建专业著作（IOP最流行的电子图书之一，2020年有超过33,000的下载量）[17]，并为IEEE Transactions on Medical Imaging主办了两期关于该主题的特刊。他的团队与通用电气、FDA、哈佛大学及其他研究机构合作，积极开发应用于临床和临床前的深度成像算法和系统。

王革及其合作者建立了用于解决“内问题”（横向数据截断）的内成像（interior tomography）方法以及泛成像（omni-tomography，应用于断层扫描多模态的时空融合，例如同步CT-MRI）方法[18]。此外，他的团队开发了用于光学分子成像的生物荧光断层成像术（bioluminescence tomography）[19]和用于瞬时精细结构成像的多能X光散射谱成像术（spectrography）。此外，他在公理化文献计量学（axiomatic bibliometrics）也有研究。此外，他还开发了第一门深度医学成像的本科和研究生课程[20]和远程在线考试防作弊技术[21]。

王革在PNAS、Nature、Nature Machine Intelligence、Nature Communications等著名学术期刊发表了超过550篇同行评议论文，以及许多刊载在会议和arXiv上的论文，目前拥有超过100项已批准和已发布的专利。在他的整个职业生涯中，受到NIH、NSF和工业界的连续资助，其中作为PI/Contact PI/MPI的资助超过4000万美元，作为Co-PI/Co-I/Mentor的资助超过3000万美元。他在多个国际大会进行了主题或特邀演讲，包括2021 SPIE O+P大会[22]作关于X光成像与深度学习融合的报告以及关于CT的中英文科普报告。他的TEDEd课程“X射线如何透视你”被观看了超过150万次[23]。

荣誉

[编辑]

专业协会

[编辑]

王革因为其在医学成像领域及相关领域的杰出贡献，获得了多项专业会士的荣誉：

  • 因为对单层螺旋、锥束螺旋和显微CT的发展做出的开创性贡献，于2002年被评为美国医学与生物工程院（American Institute for Medical and Biological Engineering，AIMBE）会士。
  • 因为对X射线断层成像的贡献，于2003年被评为电气与电子工程师学会（Institute of Electrical and Electronics Engineers，IEEE）会士。
  • 因为生物荧光断层成像的成就，于2007被评为国际光学工程学会（International Society for Optical Engineering，SPIE）会士。
  • 因为对生物荧光成像发展的开创性贡献，于2009年被评为美国光学学会（Optical Society of America，OSA）会士。
  • 因为对医学物理学的贡献，于2012被评为美国医学物理协会（American Association of Physics in Medicine，AAPM）会士。
  • 因为对生物医学成像领域的杰出贡献，特别是在X射线断层成像、光学分子成像、内成像和多模态融合方面的贡献，于2014年被评为美国科学促进会（American Association for the Advancement of Science，AAAS）会士。

获奖

[编辑]

王革获得诸多研究和教学奖项，部分如下：

  • 于1997年获Journal of Computer Assisted Tomography颁发的Giovanni Di Chiro杰出科学研究奖。
  • 于1999年获美国医学物理学家协会（AAPM）和医学物理与工程研究所（IPEM）颁发的AAPM/IPEM医学物理旅行奖（每年1人从美国到欧洲讲学2-3周）。
  • 于2005年获美国大学放射学家协会（Association of University Radiologists，AUR）颁发的Herbert M. Stauffer杰出放射学基础科学论文奖。
  • 于2010年获弗吉尼亚理工大学工程学院颁发的院长卓越研究奖。
  • 于2018年获伦斯勒理工学院颁发的工程学院杰出教授奖（每年1人）。
  • 因为锥束断层扫描和基于深度学习的断层成像的开创性贡献，于2021年获IEEE生物医学工程学会（IEEE Engineering in Medicine and Biology Society，EMBS）颁发的IEEE EMBS学术生涯成就奖（每年1人）[24]。
  • 因为创办第一个深度学习医学影像的研究生和本科课程，于2021年获IEEE Region 1杰出教学奖（每年1人）。
  • 论文“Shan HM, Padole A, Homayounieh F, Kruger U, Khera RD, Nitiwarangkul C, Kalra MK, Wang G, Nature Machine Intelligence 1:269-276, 2019”于2021年获世界人工智能大会（World Artificial Intelligence Conference，WAIC）颁发的世界人工智能大会青年优秀论文奖。
  • 因为对X射线成像及光学分子成像，及它们在生物医学应用中进行结合的贡献，于2022年获SPIE颁发的SPIE Aden & Marjorie Meinel技术成就奖（每年1人）[25]。
  • 于2021年获国际神经网络学会博士学位论文奖（指导的博士生Fenglei Fan的学位论文《Advanced Neural Networks and Their Interpretation》获神经网络、机器学习及相关领域的最佳博士学位论文）。
  • 因为对医学成像的开创性贡献以及对研究、开发和医疗保健的重大影响，包括他的锥束CT方法和对人工智能成像领域的领导，于2022年获Sigma Xi科学研究学会Walston Chubb创新奖。

参考文献

[编辑]
  1. ^ AIMBE College of Fellows Class of 2002. [2022-06-13]. （原始内容存档于2022-06-24）. 
  2. ^ IEEE作者. [2022-06-13]. （原始内容存档于2022-06-23）. 
  3. ^ SPIE profile. [2022-06-13]. （原始内容存档于2022-06-13）. 
  4. ^ AAPM Fellows. [2022-06-13]. （原始内容存档于2021-04-14）. 
  5. ^ Professors Berman, Garde, and Wang Selected as 2014 AAAS Fellows. RPI news. [2014-11-24]. （原始内容存档于2022-06-26）. 
  6. ^ AIMBE Fellowbook. [2022-06-13]. （原始内容存档于2022-06-16）. 
  7. ^ 王革伦斯勒理工学院主页. [2022-06-13]. （原始内容存档于2022-06-15）. 
  8. ^ Biomedical Imaging Expert Ge Wang Joins Rensselaer as Clark and Crossan Professor. RENSSELAER NEWS. [2013-04-29]. （原始内容存档于2016-10-24）. 
  9. ^ 电子工程学院. 我校举行王革名誉教授授予仪式暨学术报告会. 西电电子工程学院新闻. [2008-11-05]. 
  10. ^ 西电E流. 校友王革：与学弟学妹谈学业与成长. 西电电子工程学院新闻. [2008-11-04]. 
  11. ^ Ge Wang; et al. A general cone-beam reconstruction algorithm. IEEE Transactions on Medical Imaging: 486-496. doi:10.1109/42.241876. 
  12. ^ Reich ES. Nature, In-Focus News (PDF). Nature, In-Focus News. [2011-12-14]. （原始内容 (PDF)存档于2018-07-30）. 
  13. ^ Michel Defrise; et al. A solution to the long-object problem in helical cone-beam tomography. Physics in Medicine & Biology: 623. 
  14. ^ Patrick J. La Rivière and Carl R. Crawford. From EMI to AI: a brief history of commercial CT reconstruction algorithms. Journal of Medical Imaging: 052111. 
  15. ^ Ge Wang. A Perspective on Deep Imaging. IEEE Access: 8914 - 8924. doi:10.1109/ACCESS.2016.2624938. 
  16. ^ Jude Dineley. Tackling the Silent Crisis in Cancer Care. Nobel Laureate Meeting. [2018-08-01]. （原始内容存档于2022-04-17）. 
  17. ^ Tami Freeman. Machine learning for tomographic imaging. Physics World. [2020-01-30]. （原始内容存档于2022-02-20）. 
  18. ^ Ge Wang; et al. Design proposed for a combined MRI/computed-tomography scanner. SPIE news. [2013-06-11]. （原始内容存档于2015-11-14）. 
  19. ^ BioPhotonics. Bioluminescence tomography. 
  20. ^ Innovating the Medical Imaging Course. [2022-06-13]. （原始内容存档于2022-06-15）. 
  21. ^ Wells T. In era of online learning, new testing method aims to reduce cheating. Science Daily. [2021-03-01]. （原始内容存档于2022-02-20）. 
  22. ^ Karen Thomas. Inventing the future. SPIE. SPIE news. [2021-07-09]. （原始内容存档于2022-07-03）. 
  23. ^ How X-rays see through your skin - Ge Wang. [2022-06-13]. （原始内容存档于2022-06-22）. 
  24. ^ Ge Wang Receives 2021 EMBS Academic Career Achievement Award. RPI news. [2021-06-17]. （原始内容存档于2022-02-20）. 
  25. ^ Ge Wang: The SPIE Aden & Marjorie Meinel Technology Achievement Award. SPIE news. [2022-01-11]. （原始内容存档于2022-02-21）. 
检索自“https://zh.wikipedia.org/zhwiki/w/index.php?title=王革&oldid=83056189”