姓名：蒋芸
职称、职务：教授、博士、硕士生导师
主要研究方向：数据挖掘、深度学习、医学图像挖掘、机器学习
【个人简历】
蒋芸，女，教授，博士，硕士生导师。1992年6月毕业于西北师范大学计算机系，获工学学士学位；1999年6月毕业于西北师范大学数学系，获理学硕士学位；2007年10月博士毕业于西北工业大学计算机学院，获得工学博士学位。2011年公派至澳大利亚皇家理工大学计算机学院学习。中国计算机学会会员，曾任2014年至2015年度计算机学会青年学会兰州分会副主席。
近年来，在国家级权威刊物和国际及全国性学术会议上发表论文70余篇，多篇被SCI、EI检索。目前主持和完成国家自然科学基金2项、甘肃省自然科学基金2项、甘肃省高校科研项目1项、甘肃省教育厅硕导基金1项；作为重要成员曾参与并完成了国家自然科学基金项目2项、国家教育部博士点基金项目1项、国家教育部重大科技项目1项等4个项目的研究工作；获得计算机软件著作权27件。曾荣获甘肃省高校科技进步奖3项；荣获西北师范大学“优秀教师奖”和“教学质量优秀奖”3项；作为第二负责人，主讲课程“数据结构”被评为甘肃省高等学校“精品课程”、“省级双语教学示范课程”、西北师范大学“精品课程”和“双语教学示范课程”。
【教学工作】
主要研究方向：数据挖掘、深度学习、医学图像挖掘、机器学习
主要承担的本科课程：《数据结构》、《C语言程序设计》、《数据挖掘》、《离散数学》、《线性代数》、《算法设计与分析》等。
主要承担的研究生课程：《数据挖掘》、《面向对象程序设计》等。
【科研项目】
(1)2020年－2023年，国家自然科学基金项目“基于深度学习的视网膜图像分割及辅助诊断技术研究”，（No. **），项目主持。
(2)2012年－2015年，国家自然科学基金项目“基于乳腺X光图像的医学图像挖掘研究”，（No. **），项目主持。
(3)2016年－2018年，甘肃省自然科学基金项目“基于分布式平台的医学图像挖掘方法研究”，（No. 1606RJZA047），项目主持。
(4)2010年－2012年，甘肃省自然科学基金项目“基于入侵检测的数据流挖掘研究”，
（No. 1010RJZA022），项目主持。
(5)2012年度甘肃省高校基本科研业务费专项资金项目“面向医学图像的数据挖掘分类方法研究”，项目主持。
(6)2012年－2015年，甘肃省高校研究生导师项目“面向WEB的数据流挖掘技术研究”，
（No. 1201-16），项目主持。
(7)2010年－2012年，西北师范大学三期创新工程骨干项目“基于WEB的流媒体挖掘技术研究”，（No. nwnu-kjcxgc-03-67），项目主持。
(8)2012年－2015年，国家自然科学基金项目“基于在线百科和问答社区的中文文本蕴涵知识获取”，（No. **），第二主持人。
(9)2017年-2019年，西北师大双语教学示范课程建设项目，项目主持。
【获奖】
(1)“数据公平交换协议与数据挖掘的理论研究”，2006年荣获甘肃省高校科技进步三等奖
(2) 2009年，荣获西北师范大学第四届学生心目中“优秀教师”奖
(3) 2009年，荣获西北师范大学“教学质量优秀奖”
(4) 2011年，作为主讲教师的“数据结构双语课程”获得“省级精品课程一等奖”
(5)“割圆序列关键理论研究及其应用”，2012年荣获甘肃省高校科技进步二等奖
(6) 2013年，荣获西北师范大学“教学质量优秀奖”
(7) 2014年，“基于B/S架构的计算机类实验教学管理系统的研发与应用”荣获甘肃省教学成果奖
(8) “神经网络的进化发育与模式分类研究”，2014年荣获甘肃省高校科技进步三等奖
(9) 2015年，主讲课程《数据结构》被评为甘肃省高等学校 “省级双语教学示范课程”
(10) 第三届“蓝桥杯”全国软件专业人才设计与创业大赛甘肃赛区C/C++程序设计本科组二等奖2项，甘肃赛区Java程序设计本科组三等奖1项，优秀指导教师。
(11) 2020年，第六届中国国际“互联网+”大学生创新创业大赛甘肃赛区金奖，大赛甘肃分赛高教主赛道“优秀创新创业导师”，指导项目“医准智能”。
(12) 2020年，第四届全国大学生创新方法应用大赛西北赛区二等奖，作品名称：基于卷积神经网络的眼底图像分割的研究与应用，优秀指导教师。
(13) 2020年，第十届全国大学生电子商务“创新、创意及创业”挑战赛甘肃省省级特等奖，作品名称：开启AI 眼底医疗“新航程”，优秀指导教师。
(14) 2020年，第十二届“挑战杯”甘肃省大学生创业计划大赛西北赛区特等奖，作品名称：AutoEye 智能眼底图像分析平台，优秀指导教师。
【部分论文】
(1)A Multi-Scale Residual Attention Network for Retinal Vessel Segmentation.Symmetry 2021,13, 24. （SCI检索）
(2)Multi-Scale and Multi-Branch Convolutional Neural Network for Retinal Image Segmentation.Symmetry2021,13, 365. （SCI检索）
(3)Joint Optic Disc and Optic Cup Segmentation based on New Skip-Link Attention Guidance Network and Polar Transformation[C]//ICONIP. 2020 （EI检索）
(4)Joint Disc and Cup Segmentation Based on Recurrent Fully Convolutional Network[J]. PloS one, 2020.（SCI检索）
(5)Efficient BFCN for automatic retinal vessel segmentation, Journal of Ophthalmology, vol. 2020, Article ID **, 14 pages, 2020 （SCI检索）
(6)Multi-Path Recurrent U-Net Segmentation of Retinal Fundus Image[J]. Applied Sciences,2020.6.30.（SCI检索）
(7)Jiang Yun, Tao S, Zhang H, Cao S. Image data augmentation method based on maximum activation point guided erasure[C]. 2020 2nd International Conference on Advances in Computer Vision, Image and Virtualization (CVIV 2020), （EI检索）
(8)Y. Jiang, S. Cao, S. Tao and H. Zhang, Skin Lesion Segmentation Based on Multi-Scale Attention Convolutional Neural Network, in IEEE Access, vol. 8, pp. 122811-122825, 2020, （SCI检索）
(9)基于条件深度卷积生成对抗网络的视网膜血管分割[J/OL].《自动化学报》:1-12，2019-06-18.
(10)Breast cancer histopathological image classification using convolutional neural networks with small SE-ResNet module[J]. PloS one, 2019, 14(3): e**. （SCI检索：022）
(11)）Retinal Vessels Segmentation Based on Dilated Multi-Scale Convolutional Neural Network[J]. IEEE Access,2019,7:76342-76352. （SCI检索: 001）
(12)Optic Disc and Cup Segmentation Based on Deep Convolutional Generative Adversarial Networks[J].IEEE Access,2019,7:64483-64493. （SCI检索:001）
(13)CP-SSD: Context Information scene Perception Object Dection Based on SSD[J]. Applied sciences,2019, 9:2785. （SCI检索: 001）
(14)ImageDataAugmentationMethodBasedonConvolutionalNeuralNetworks,ComputerEngineering&Science,2019. （SCI检索）
(15)The optimization of parallel convolutional RBM based on Spark[J]. International Journal of Wavelets, Multiresolution and Information Processing, 2019, 17(02): **.
（EI检索:20**2）
(16)）Classification of H&E stained breast cancer histopathology images based on convolutional neural network. The 4th Annual International Conference on Information System and Artificial Intelligence, May 17th-18th, 2019. （ EI检索）
(17)Multi-scale Feature Mapping Method Based on Clustering Convolution. The 4th Annual International Conference on Information System and Artificial Intelligence, May 17th-18th, 2019. （EI检索）
(18)A removing redundancy Restricted Boltzmann Machine[C]//Advanced Computational Intelligence (ICACI), 2018 Tenth International Conference on. IEEE, 2018: 57-62.
（EI检索: 20**0）
(19)A Brain Tumor Segmentation New Method Based on Statistical Thresholding and Multiscale CNN[C]//International Conference on Intelligent Computing. Springer, Cham, 2018: 235-245. （EI检索：20**1）
(20)Modified Binary Cuckoo Search for Feature Selection: A Hybrid Filter-Wrapper Approach[C]//2017 13th International Conference on Computational Intelligence and Security (CIS). IEEE, 2017(1): 488-491. （EI：检索20**3 ）
(21)A New Hybrid Approach for Medical Image Intelligent Classifying using Improved Wavelet Neural Network. The 20th International Conference on Neural Informatino Processing (ICONIP) ，Springer-Verlag Berlin Lecture Notes in Computer Science，volume 8227,pp490-495, 2013. （EI 检索:20**2）
(22)A New Gene Expression Profiles Classifying Approach Based on Neighborhood Rough Set and Probabilistic Neural Networks Ensemble.The 20th International Conference on Neural Informatino Processing (ICONIP) , Springer-Verlag Berlin Lecture Notes in Computer Science，volume 8227,pp484-489, 2013. （EI检索:20**1）
(23)A Multi-class Support Vector Data Description Approach for Classification of Medical Image. The Ninth International Conference on Computational Intelligence and Security ,pp115-119, 2013. （EI检索：20**5）
(24)An Improved SVM Classifier for Medical Image Classification，Rough Sets and Intelligent Systems Paradigms 2007 International Conference. Springer-Verlag Berlin Lecture Notes in Artificial Intelligence, pp.764-773,2007. （EI检索：333）
(25)A Better Classifier Based on Rough Set and Neural Network for Medical Images, International Conference on Data Mining，ICDM2006, IEEE Computer Society, Hongkong, pp853-857,2006. （SCI检索）
(26)A New Approach for Selecting Attributes Based on Rough Set Theory, Intelligent Data Engineering and Automated Learning, 5th International conference Exeter, Springer-Verlag Berlin Lecture Notes in Computer Science,IDEAL2004 （SCI检索：022）
(27)SAG-Net:用于联合视盘和视杯分割的新型跳过注意力指导网络[J]. 《计算机工程与科学》, 2021年（已录用）
(28)基于集成分类型深度神经网络的视网膜眼底血管图像分割[J]. 《计算机工程与科学》, 2021年（已录用）
(29)融合标记独有属性特征的K近邻多标记分类新算法[J]. 《计算机工程与科学》, 2019年，第41卷，第3期，第513-519页。
(30)基于条件生成对抗网络的咬翼片图像分割[J/OL].《计算机工程》[J].2019年，第45卷，第4期 ，第223-227页。
(31)基于YOLO算法的眼底图像视盘定位方法[J].《计算机工程与科学》,2018年10。
(32)基于卷积受限玻尔兹曼机的医学图像分类新方法《计算机工程与科学》2017.04,第39卷第2期，第323-329页。
(33)基于边缘检测的多类别医学图像分类方法，《数据采集与处理》，第5期，2016.9.15