Upload Avatar (500 x 500)
周凌宏
smart@smu.edu.cn
中文, 英文
广东
南方医科大学
Biomedical Engineering
  • 1983年9月-1987年6月:合肥工业大学,精密仪器专业,本科/学士
  • 1990年9月-1993年4月:清华大学,生物医学工程及仪器专业,研究生/硕士
  • 1987年7月-1999年12月:第一军医大学生物医学工程系电子工程教研室,助教、讲师、副教授
  • 2000年1月-2004年8月:第一军医大学生物医学工程系野战卫生装备教研室副教授,副主任、主任
  • 2004年9月-2015年11月:南方医科大学生物医学工程学院医疗仪器研究所副教授、教授,所长,副院长,博士生导师
  • 2015年11月至今:南方医科大学生物医学工程学院医疗仪器研究所所长,教授,博士生导师
  • 1998年:JX-100X刀系统,中国人民解放军科学技术进步奖一等奖
  • 1999年:JX-100X刀系统,国家科学技术进步奖二等奖
  • 2002年:立体定向适形放射治疗系统的研制及其临床应用,广东省科学技术进步三等奖
  • 2004年:移动式高频X线机的研制,中国人民解放军科学技术进步二等奖
  • 2013年:中国人民解放军医疗成果奖三等奖,4D-CT重建与优化技术
  • 2013年:广西科学技术进步奖三等奖,CT共轨放射治疗技术的临床应用研究
  • 2014年:国家级教学成果奖二等奖,生物医学工程学科卓越人才培养模式的创新与实践
  • 2014年:第七届广东省教育教学成果奖一等奖,生物医学工程学科卓越人才培养模式的创新与实践
肿瘤放射物理学
医学放射成像方法
FLASH-RT生物学效应
肿瘤大数据与人工智能医学应用
  • 基于多标准决策的分层模型在多模态特征和多分类器融合中的可行性研究:在医学预后预测中的应用。, Q He, X Li, DWN Kim, X Jia, X Gu, X Zhen, L Zhou, 2020
  • 通过深度强化学习的目标分布建模融合蒙特卡罗模拟,用于自动高效光子分布估计。, Jianhui Ma, Zun Piao, Shuang Huang, Xiaomman Duan, Gneggeng Qin, Linghong Zhou, Yuan Xu, 2021
  • 基于知识的自校准方法,用于准确的机器人CT成像系统的校准幻影。, Duan, Xiaoman, Cai, Jiangze, Ling, Qingqing, Huang, Yanchao, Qi, Hongliang, Chen, Yusi, Zhou, Linghong, Xu, Yuan, 2021
  • 多序列MR生成的sCT在HNC MR仅RT中具有前景:对先前开发的sCT生成网络的全面评估。, Mengke Qi, Yongbao Li, Aiqian Wu, Xingyu Lu, Linghong Zhou, Ting Song, 2022
  • 基于相关采样的蒙特卡罗模拟,用于快速CBCT迭代散射校正。, Peishan Qin, Guoqin Lin, Xu Li, Zun Piao, Shuang Huang, WangJiang Wu, Mengke Qi, Jianhui Ma, Linghong Zhou, Yuan Xu, 2022
  • 基于多标准决策的多通道分层融合数字乳腺断层摄影和数字乳腺摄影用于乳腺肿块鉴别。, Wang Linjing, He Qiang, Wang, Xuetao, Song Ting, Li Xin, Zhang Shuxu, Qin Genggeng, Chen Weiguo, Zhou Linghong, Zhen Xin, 2021
  • 一种用于稀疏分段多能量计算机断层扫描的先验图像约束鲁棒主成分分析重建方法。, Li Bin, Luo Ning, Zhong Anni, Li Yongbao, Chen Along, Zhou Linghong, Xu, Yuan, 2021
  • 基于深度学习的3D体内剂量重建,使用电子门户成像设备用于磁共振线性加速器:概念验证研究。, Li Yongbao, Xiao Fan, Liu Biaoshui, Qi Mengke, Lu Xingyu, Cai Jiajun, Zhou Linghong, Song Ting, 2021
  • 基于深度学习的个性化3D剂量分布预测的可行性研究。, Jianhui Ma, Dan Nguyen, Ti Bai, Michael Folkerts, Xun Jia, Weiguo Lu, Linghong Zhou, Steve Jiang, 2021
  • 基于深度学习的高效蒙特卡罗剂量计算方法在放射治疗中的可行性研究。, Lu X, Li Y, Mengke Q, Zhou L, Song T, 2021
  • 基于深度学习的3D体内剂量重建,使用EPID用于MR-LINACs:概念验证研究。, Yongbao Li, Fan Xiao, Biaoshui Liu, Mengke Qi, Xingyu Lu, Jiajun Cai, Linghong Zhou, Ting Song, 2021
  • 基于交叉引擎转换的快速剂量计算,用于MRI-Linac在线治疗计划。, Ting Song, Linghong Zhou, Yongbao Li, 2023
  • 基于传输测量的光谱估计方法,结合X射线管电压波动。, Pan Z., Li X., Lin G., Qin P., Piao Z., Huang S., Wu W., Qi M, Zhou L, Xu, Y, 2023
  • 自适应散射核去卷积建模,用于锥束CT散射校正,通过深度强化学习。, Piao Z, Deng W, Huang S,Lin G,Qin P, Li X, Wu W, Qi M, Zhou L, Li B,Ma J, Xu Y, 2023
  • 冷阴极平板X射线源的微阵列阳极靶用于光栅干涉计算机断层扫描的可行性研究。, Wangjiang Wu, Mengke Qi, Xiaoye Chen, Yiwen Zhou, Zengxiang Pan, Song Kang, Jiancong Dai, Xiaoying Zhang, Linghong Zhou, Jun Chen, and Yuan Xu, 2023
  • 同时剂量分布和流量预测用于鼻咽癌IMRT。, Yongbao Li, Wenwen Cai, Fan Xiao, Xuanru Zhou, Jiajun Cai, Linghong Zhou, Wen Dou and Ting Song, 2023
  • 基于预测的三维剂量序列的治疗计划优化方法,用于妇科IMRT。, Qiyuan Jia, Chuancheng Zheng, Yongbao Li, Futong Guo, Linghong Zhou, Ting Song, 2023
  • 基于多模态MRI同步构建的深度学习框架,用于MRI引导的放射治疗合成CT生成。, Xuanru Zhou, WenwenCai, Jiajun Cai, Fan Xiao, Mengke Qi, Jiawen Liu, Linghong Zhou, Yongbao Li, Ting Song, 2023
  • 基于交叉引擎转换的快速剂量计算,用于MRI-Linac在线治疗计划。, Ting Song, Linghong Zhou, Yongbao Li, 2023
  • 基于蒙特卡罗的两个模拟器,用于成像系统建模和平板X射线源的投影模拟。, Mengke Qi, Ting He, Yiwen Zhou, Jing Kang, Zengxiang Pan, Song Kang, Wangjiang Wu, Jun Chen, Linghong Zhou, and Yuan Xu, 2023
  • 基于人工智能的模型在中国使用实验室测试实现卵巢癌准确诊断:多中心、回顾性队列研究。, Guangyao Cai, Fangjun Huang, Yue Gao, Xiao Li, Jianhua Chi, Jincheng Xie, Linghong Zhou, Yanling Feng, He Huang, Ting Deng, Yun Zhou, Chuyao Zhang, Xiaolin Luo, Xing Xie, Qinglei Gao, Xin Zhen, Jihong Liu, 2024
  • 通过流量预测和计划微调自动IMRT治疗计划,用于鼻咽癌。, Wenwen Cai,Shouliang Ding, Linghong Zhou, Ting Song, Yongbao Li, 2024
  • PND-Net: 物理启发的非局部双域网络,用于金属伪影减少。, Jinqiu Xia, Yiwen Zhou, Wenxin Deng, Jing Kang, Wangjiang Wu, Mengke Qi, Linghong Zhou, Jianhui Ma and Yuan Xu, 2024
肿瘤 放射 物理 治疗 成像 人工智能 大数据 Flash-Rt 医学 技术

联系我们

欢迎与我们交流!
* Required
* Required
* Required
* Invalid email address
提交此表单,即表示您同意 IoT ONE 可以与您联系并分享洞察和营销信息。
不,谢谢,我不想收到来自 IoT ONE 的任何营销电子邮件。
提交

感谢您的信息!
我们会很快与你取得联系。