恭喜李小龙顺利毕业！
李小龙，本科毕业于福建工程学院，于2018年考入上海大学计算机学院。在开学之后便加入韩越兴图像研究组研究计算机视觉相关的内容，而后在韩老师的悉心指导下选择了医学图像分割的课题。经过三年的努力，李小龙同学基于深度学习等多种技术实现了肝脏与肿瘤CT图像的自动化分割，为了智能医疗的发展添砖加瓦。毕业后李小龙同学进入联影医疗有限公司继续从事医疗相关的工作。此外，李小龙同学在课外广泛阅读经史文学，同时热爱体育锻炼，结识了许多良师益友。在上海大学的三年研究生生活中，李小龙同学成长巨大，希望在未来的道路上，能够保持劲头，不断进步，不断突破。
研究生期间工作
为了帮助医生对肿瘤患者的病情做出更全面的评估和规划，结合多种深度学习技术自动化地分割CT图像中的肝脏与肿瘤，为临床治疗提供定量定性诊断的数据基础。
-
针对FCN、U-Net等深度学习方法由于网络维度的限制，难以探索三维CT图像中的空间特征信息，提出了一种基于边界损失函数的2.5D全卷积网络，能够在减少网络参数量和计算资源消耗的同时，有效地探索 CT 图像中的空间特征信息，提升肝脏与肝肿瘤分割准确度。
-
针对医学图像的特点和常见的损失函数缺少优化网络探索边界特征能力的问题，设计了一种新的边界损失函数，融合了图像轮廓的距离、面积和边界信息，能够有效地优化深度学习网络，探索更多的图像边界和轮廓特征。
-
针对编码解码网络存在忽视局部特征之间相关性和依赖性的问题，将 2D、2.5D、3D 网络与注意力机制整合起来，提出了一种基于双路注意力的编解码网络分割框架，该框架融合了双路自注意力机制模块、密集网络块、残差网络块和双路径网络块，包含九种不同的网络结构，能够有效地完成肝脏与肿瘤 CT图像的自动化分割任务。
