徐军

已经得到个称赞 给我点赞
所在单位：自动化学院
办公地点：自动化学院学科三号楼C311
性别：男
联系方式：xujunus@gmail.com
学位：博士学位
职称：教授
毕业院校：浙江大学
学科：控制科学与工程


个人简介
研究方向
社会兼职
教育经历
工作经历
团队成员
其他联系方式
学习与工作经历：
2011-至今 南京信息工程大学自动化学院(Link)教授
2014,2018美国凯斯西储大学生物医学工程系(Link) 访问教授
2008-2011美国Rutgers大学生物医学工程系(Link) 博士后,助理研究员
2004-2007浙江大学控制科学与工程系(Link) 博士研究生
2001-2004电子科技大学应用数学学院(Link) 硕士研究生
研究领域：
1.计算病理(Link)、数字病理(Link)
2.计算机视觉(Link)、机器学习(Link)
3.面向癌症(癌症：众疾之王之 1.灵丹妙药；2.盲人摸象；3.攻瑕蹈隙)计算机辅助诊断与预后的影像与病理图像计算(幻灯片下载：地址1，地址2) (爱奇艺播放链接，视频链接，视频下载)
4.乳腺(Link)、前列腺(Link)、肺（Link）、头颈部(Link)癌症的计算机辅助检测、诊断及预后(Related Link)
5.深度学习及大数据驱动的医学数据分析(Related Link)
6.高分辨率免疫荧光成像的多光谱病理图像计算(Related Link)

研究领域介绍(Anant Madabhushi教授@CWRU on Youku and Youtube)
2020年第七届医学图像计算青年研讨会 (MICS)报告：计算病理及其数字化切片组织形态学定量分析(报告视频链接)
近十年来主要致力医学图像计算，计算病理等相关领域的新方法和新理论的研究，1)影像图像的器官及感兴趣区域的自动分割；构建基于亚视觉特征定量描述的影像组学；2）高分辨率数字化病理切片的像素层级、细胞层级、组织层级以及全景切片层级的图像计算的新方法与技术，3)基于高分辨率免疫荧光成像的多光谱病理图像计算，并致力于把这些新的方法和技术运用于1) 疾病的自动识别与诊断以及亚型的分类，2)基于图像表型描述的疾病量化和表征，3) 疾病的转移风险、恶性程度的预测、预后以及患者对治疗的反应等疾病的自动检测、诊断、预测和预后系统，4）融合病理、影像、分子、基因与蛋白及临床文本数据等不同尺度的数据，拟从不同的维度定量地描述疾病信息。期望这些研究成果未来能够辅助医生进一步改善疾病的预防、诊断及治疗。

发表论文(Google Scholar Citation; ResearchGate)
标注*的作者为我指导的学生


2021年
1.Can F. Koyuncu, Cheng Lu, Kaustav Bera, Zelin Zhang*, Jun Xu, Paula Andrea Toro Casta?o, Germán Corredor, Deborah Chute, Pingfu Fu, Wade L. Thorstad, Farhoud Faraji, Justin A. Bishop, Mitra Mehrad, Patricia D. Castro, Andrew G. Sikora, Lester D. R. Thompson, R. D. Chernock, Krystle A. Lang Kuhs, Jingqin Luo, Vlad C. Sandulache, David J. Adelstein, Shlomo Koyfman, James S. Lewis Jr., Anant Madabhushi, "Computerized tumor multinucleation index (MuNI) is prognostic in p16+ oropharyngeal carcinoma: A multi-site validation study", The Journal of Clinical Investigation, 2021. (IF=11.86) (Link)


2020年
1. Jun Xu, Haoda Lu*, Haixin Li, Chaoyang Yan*, Xiangxue Wang, Ming Zang, Rooij D.G. de Dirk, Anant Madabhushi, and Eugene Yujun Xu, “Computerized Spermatogenesis Staging (CSS) of Testis Sections for Mouse Sperm Development via Quantitative Histomorphological Analysis, Medical Image Analysis, 2020.(Impact Factor=11.15) (Link)
2. Chaoyang Yan*, Kazuaki Nakane, Xiangxue Wang, Yao Fu, Haoda Lu*, Xiangshan Fan, Michael D. Feldman, Anant Madabhushi, Jun Xu, “Automated Gleason Grading on Prostate Biopsy Slides by Statistical Representations of Homology”, Computer Methods and Programs in Biomedicine, vol. 194, 2020. (Link)
3. Cheng Lu, Kaustav Bera, Xiangxue Wang, Prateek Prasanna, Jun Xu, Andrew Janowczyk, Niha Beig, Michael Yang, Pingfu Fu, James Lewis, Humberto Choi, Ralph A Schmid, Sabina Berezowska, Kurt Schalper, David Rimm, Vamsidhar Velcheti, and Anant Madabhushi，``Prognostic Model based off Tumor Cellular Diversity Features Derived from H&E Tissue Images for Early Stage Non-Small Cell Lung Cancer: A Multi-site Retrospective Study", The Lancet Digital Health, vol. 2, no. 11, E594-606, 2020. (Link)
4. Bo Li, Yang Wang, Hui Jiang, Baoming Li*, Xiaohan Shi, Suizhi Gao,Canrong Ni, Zelin Zhang, Shiwei Guo, Jun Xu, and Gang Jin, “Pros and Cons: High Proportion of Stromal Component Indicates Better Prognosis in Patients with Pancreatic Ductal Adenocarcinoma–A Research Based on the Evaluation of Whole-Mount Histological Slides”, Frontiers in Oncology, 2020, 10: 1472.(Link)
5. Yun Bian, Zengrui Zhao*, Hui Jiang, Xu Fang, Jin Li, Kai Cao, Chao Ma, Li Wang, Shiwei Guo, Li Wang, Jin Gang, Jianping Lu, Jun Xu,“Non-Contrast Radiomics Approach for Predicting Grades of Non-functional Pancreatic Neuroendocrine Tumors”, Journal of Magnetic Resonance Imaging, 52: 1124-1136,2020. (Link)
6. Zengrui Zhao*, Yun Bian, Hui Jiang, Xu Fang, Jin Li, Kai Cao, Chao Ma, Li Wang, Jianming Zheng, Xiaodong Yue, Huiran Zhang, Xiangxue Wang, Anant Madabhushi, Jun Xu, Jin Gang, and Jianping Lu, "CT-radiomic approach to predict G1/2 non-functional pancreatic neuroendocrine tumor", vol. 27, no. 12,Academic Radiology, 2020. (Link)
7. Daqiu Li, Zhangjie Fu, and Jun Xu,Stacked-autoencoder-based model for COVID-19 diagnosis on CT images,Applied Intelligence, vol.363, 2020 (Link)
8. Chaoyang Yan*, Jun Xu, Jiawei Xie*, Chengfei Cai*, Haoda Lu*, “Prior-aware CNN with Multi-Task Learning for Colon Images Analysis”, International Symposium on Biomedical Imaging 2020 (ISBI2020), April 3-7, 2020, Iowa City, Iowa, USA (Link) (Oral Presentation)
9. Sara Arabyarmohammadi, Zelin Zhang*, Patrick Leo, Marjan Firouznia, Andrew Janowczyk, Haojia Li, Nathaniel M. Braman, Kaustav Bera, Behtash Nezami, Jun Xu, Leland Metheny, Anant Madabhushi, “Computationally derived image markers for predicting risk of relapse in acute myeloid leukemia patients following bone marrow transplantation” , SPIE on Medical Imaging, Digital Pathology , Houston, Texas, USA, February 15-20, 2020 (Link)
10. Can Koyuncu, Cheng Lu, Zelin Zhang*, Pingfu Fu, Dibson D Gondim, Jun Xu, Kaustav Bera, James S. Lewis, Anant Madabhushi, "Tumor Cell Multinucleation Is More Frequent in African-American Oropharyngeal Squamous Cell Carcinoma Patients Than Caucasian-American Ones – Implications for Outcome Differences", United States and Canadian Academy of Pathology's 109th Annual Meeting, Los Angeles, California, February 29th-March 5, 2020. (Link)
11. Sara ArabYarmohammadi, Marjan Firouznia, Zelin Zhang*, Patrick Leo, Andrew R Janowczyk,Kaustav Bera, Behtash Ghazi Nezami, Howard J. Meyerson, Jun Xu, Leland Metheny, Anant Madabhushi, "COMPUTATIONALLY Derived Fractal Features of Blasts from Aspirates Smears to Predict Relapse in Acute Myeloid Leukemia Patients Following Allogenic Hematopoietic Stem Cell Transplant", United States and Canadian Academy of Pathology's 109th Annual Meeting, Los Angeles, California, February 29th-March 5, 2020. (Link)
2019年
1. Jun Xu, Chengfei Cai*, Yangshu Zhou, Bo Yao, Xiangxue Wang, Zhihong Zhang, Ke Zhao, Anant Madabhushi, Zaiyi Liu, Li Liang, "Multi-tissue Partitioning for Whole Slide Images of Colorectal Cancer Histopathology Images with Deeptissue Net", 15th European Congress on Digital Pathology, April 11-13th, 2019 (Oral Presentation) (Link)
2. Jun Xu, Haoda Lu*, Haixin Li, Xiangxue Wang, Anant Madabhushi, Yujun Xu, "Histopathological image analysis on mouse testes", 15th European Congress on Digital Pathology, April 11-13th,2019. (Link)
3. Jun Xu, Lei Gong*, Guanhao Wang*, Cheng Lu, Hannah Gilmore, Shaoting Zhang, and Anant Madabhushi，“A Convolutional Neural Network initialized Active Contour Model with Adaptive Ellipse Fitting (CoNNACaeF) for Nuclear Segmentation on Breast Histopathological Images”, Journal of Medical Imaging, 6(1), 017501 (2019). https://ssl1230a75e822c6ff8769a30e1c.vpn.nuist.edu.cn/10.1117/1.JMI.6.1.017501(Link)
4.谢嘉伟*，陈骏，徐军，樊祥山，基于肝内胆管癌全景病理切片定量分析的生存预测,中华医学会病理学分会第二十五次学术会议暨第九届中国病理年会，2019.（获优秀论文奖）(Link)。
5.李宝明*，胡佳瑞*，徐海俊*，吴海玲*，朱涵*，顾家瑞*，王聪，蒋燕妮，张智弘，徐军，基于深度级联网络的乳腺淋巴结全景图像癌转移区域的自动识别，2019中国生物医学工程大会（获青年优秀论文竞赛三等奖）(Link)。
6.马伟*，刘鸿利，孙明建*，徐军，蒋燕妮，新型乳腺磁共振增强图像肿瘤区域的自动分割模型,中国生物医学工程学报,vol.38，issue (1):28-34,2019(Link).
2018年
1. Jun Xu, Andrew Janowczyk, Laura M. Barisoni,, Chengfei Cai*, Jeffrey Nirschl, Matthew Palmer, Michael D. Feldman, D Chen, John O’Toole, Z Zaky, Emilio Poggio, John R. Sedor, and Anant Madabhushi, "Predicting APOL1 risk category from kidney donor biopsies using deep learning", American Society of Nephrology (ASN) Kidney Week, 2018 (Oral Presentation)(Link)
2. Lewis, JS, Zhang, Z*, Jun Xu, Lu, C, Bishop, J, Madabhushi, A, “Computerized Quantitation of Tumor Cell Multinucleation is Strongly Prognostic for p16-Positive Oropharyngeal Squamous Cell Carcinoma”, United States and Canadian Academy of Pathology's 108th Annual Meeting, National Harbor, MD, March 16th-21st, 2019.(Link)
3. Xiangping Xu, Jun Li, MengChu Zhou, Jun Xu, and Jinde Cao, “Accelerated Two-Stage Particle Swarm Optimization for Clustering Not-Well-Separated Data”, IEEE Trans on Systems, Man, and Cybernetics: Systems, vol.50, no.11, pp.4212 - 4223, 2018. (Link)
4.孙明建*，徐军，马伟*，张玉东，“基于新型深度全卷积网络的肝脏CT影像三维区域自动分割”，中国生物医学工程学报,vol. 37，issue (4): 385-393,2018. (Link to the paper)

2017年
1. 蔡程飞*，徐军，梁莉，魏建华，“基于深度卷积网络的结直肠全扫描病理图像多种组织分割”，2017, 36(5): 632-636. 2017年中国生物医学工程大会, 医学影像大数据分析分会，2017年04月20日-04月22日，北京。(口头报告，获2017中国生物医学工程大会“青年论文竞赛二等奖”) (Link to the paper)
2. Jun Xu, James P. Monaco, Rachel Sparks, Anant Madabhushi, “Connecting Markov Random Fields and Active Contour Models: Application to Gland Segmentation and Classification”, Journal of Medical Imaging, 4(2), 021107, 2017 (Link to the paper)
3. Jun Xu, Chao Zhou*, Bing Lang*, and Qingshan Liu, “Deep Learning for Histopathological Image Analysis: Towards Computerized Diagnosis on Cancers”，Book Chapter: Deep Learning and Convolutional Neural Networks for Medical Imaging Computing, Editors: Le Lv, Yefeng Zheng, Gustavo Carneiro, Lin Yang, Springer, 2017. (Link to the book)(Cover) (In Press)
4. Jiamei Chen, Yan Li, Jun Xu, Lei Gong*, Linwei Wang, Wenlou Liu, Jingping Yuan, Qingming Xiang, Qunhua Zheng, Juan Liu, “Computer-aided Prognosis on Breast Cancer with Hematoxylin & Eosin Histopathology Images: A Review”, Tumor Biology, March 2017: 1–12，2017 (Link to the paper).
2016年
1.Jun Xu, Lei Xiang*, Qingshan Liu, Hannah Gilmore, Jianzhong Wu, Jinghai Tang, and Anant Madabhushi,"Stacked Sparse Autoencoder (SSAE) for Nuclei Detection on Breast Cancer Histopathology images",IEEE Trans. on Medical Imaging,vol. 35, issue 1, pp. 119-130, 2016.(Link to the paper,Datasets,MICS2015 Spotlight from 21:46) （540+次引用,ISI高被引论文)
2.Jun Xu, Xiaofei Luo*, Guanhao Wang*, Hannah Gilmore, Anant Madabhushi, “ADeep Convolutional Neural Network for Segmenting and Classifying Epithelial andStromal Regions in Histopathological Images”, Neurocomputing,volume 191, pp.214-223, 2016. (Link to the paper)(320+次引用，ISI高被引论文)
3. Cheng Lu, Hongming Xu, Jun Xu, Hannah Gilmore, Mrinal Mandal, and Anant Madabhushi, “Multi-Pass Adaptive Voting for Nuclei Detection in Histopathlogical Images”, Scientific Reports, 6: 33985, 2016.(Link to the paper)
4. 骆小飞*，徐军，陈佳梅，“基于逐像素点深度卷积网络分割模型的上皮和间质组织分割”，自动化学报，2017, 43(11): 2003-2013. (Link to the paper)
5. 周超*，徐军，罗波， “基于深度卷积神经网络和结合策略的乳腺组织病理图像细胞异型性自动评分”, 中国生物医学工程学报，2017, 36(3): 276-283. (Link to the paper)

2015年
1.Jun Xu, Lei Xiang*, Guanhao Wang*, Shridar Ganesan, Michael Feldman, Natalie NC Shih, Hannah Gilmore, and Anant Madabhushi, “Sparse Non-negative Matrix Factorization (SNMF) based Color Unmixing for Breast Histopathological Image Analysis”,Computerized Medical Imaging and Graphics,vol. 46, pp.20-29, 2015. (Link to the paper) [PDF]
2. Angel Cruz-Roa,Jun Xu, Anant Madabhushi, “A note on the stability and discriminability of graph based features for classification problems in digital pathology”, Proc. SPIE 9287, 10th International Symposium on Medical Information Processing and Analysis, 928703, 2015. (Link to the paper)
3. Xiaofan Zhang, Hang Dou, Tao Ju, Jun Xu, Shaoting Zhang, “Fusing Heterogeneous Features from Stacked Sparse Autoencoder for Histopathological Image Analysis”, IEEE Journal of Biomedical and Health Informatics, vol.20, no.9, pp. 1377 - 1383, 2016. (Link to the paper)
4. 龚磊*，徐军，王冠皓*，吴建中，唐金海，“基于多特征描述的乳腺癌肿瘤病理自动分级”，计算机应用，35(12): 3570-3575.（Link to the paper）
5. 王冠皓，徐军，“基于多级金字塔卷积神经网络的快速特征表示方法”， 计算机应用研究，32(8): 2492-2495, 2015. (Link to the paper)
6. 项磊*，徐军，“基于HOG特征和滑动窗口的乳腺病理图像细胞检测”，山东大学学报(工学版)，45(1): 37-44, 2015. (Link to the paper)
2014年
1. Jun Xu, Renlong Hang*, “A New Committee Based Active Learning Approach to Hyperspectral Remote Sensing Data Classification”,Remote Sensing Letters, volume 5, issue 6, pp.511-520, 2014. (Link to the paper)
2. Jun Xu, Renlong Hang*, and Qinshan Liu, “The Patch-based Active Learning (PTAL) for Spectral-Spatial Classification on Hyperspectral Data”,International Journal of Remote Sensing, volume 35, issue 5, pp. 1846-1875, 2014. (Link to the paper)
3. Jun Xu, Lei Xiang*, Renlong Hang*, Jiangzhong Wu, “Stacked Sparse Autoencoder (SSAE) based Framework for Nuclei Patch Classification on Breast Cancer Histopathology”，2014 IEEE International Symposium on Biomedical Imaging: From Nano to Macro, April 29-May 2, 2014, Beijing, China, pp. 999 - 1002. (Oral Presentation) (Link to the paper)
4. 郑秋中*，徐军，“一种基于群稀疏特征选择的图像检索方法”,计算机应用研究，31(9): 2867-2872, 2014. (Link to the paper)
5. 曹冬梅*，徐军,“基于先验形状的混杂活动边界模型及其在图像分割中的应用”，计算机科学，41(11):301-305,316, 2014. (Link to the paper)
6. Mengjie Mei*, Jun Xu, “Shape Sharing Initialized Active Contour Model for Image Segmentation”, the 33rd Chinese Control Conference, Nanjing, July 28-30, pp. 4791 – 4796, 2014. (Oral Presentation) (Link to the paper)
7. 王冠皓*，徐军，“基于群稀疏理论的乳腺动态对比度增强核磁共振图像联合重建”，计算机应用，34(11):3304-3308, 2014. (Link to the paper)
8. 刘雅，徐军，杭仁龙，陈炜峰,“基于低秩表示的乳腺癌病理图像有丝分裂检测”，计算机应用研究，32(1):280-283, 311, 2015.(Link to the paper)
9. 梅梦杰，徐军,“基于形状共享初始化主动轮廓模型的图像分割方法” 计算机应用研究，32(6):1902-1905, 2015.
2013年及以前论文
1.Shannon C. Agner,Jun Xu, and Anant Madabhushi, “Spectral Embedding based Active Contour (SEAC) for Lesion Segmentation on Breast Dynamic Contrast Enhanced Magnetic Resonance Imaging”,Medical Physics, vol. 40, 032305, 2013.(2013年第3期封面论文) (Link to the paper)
2.Jun Xu, Andrew Janowczyk, Sharat Chandran, and Anant Madabhushi, “A High-throughput Active Contour Scheme for Segmentation of Histopathological Imagery”,Medical Image Analysis, 5(6):851-862, 2011. (Line to the paper)
3. Shannon C. Agner,Jun Xu, Mark Rosen, Sarah Englander and Anant Madabhushi, “Spectral embedding based active contour (SEAC): application to breast lesion segmentation on DCE-MRI”,2011 SPIE Symposium on Medical Imaging, February 12-17, Florida, USA, 2011. (Link to the paper)
4. Ajay Basavanhallya, Elaine Yu,Jun Xu, Shridar Ganesan, Michael Feldman, John Tomaszewski, Anant Madabhushi, "Incorporating Domain Knowledge for Tubule Detection in Breast Histopathology Using O'allaghan Neighborhoods",2011 SPIE Symposium on Medical Imaging, February 12-17, Florida, USA, 2011. (Link to the paper)
5. Hussain Fatakdawala,Jun Xu, Ajay Basavanhally, Anant Madabhushi, Gyan Bhanot, Shridar Ganesan, Michael Feldman and John Tomaszewski, “Expectation Maximization driven Geodesic Active Contour with Overlap Resolution (EMaGACOR): Application to Lymphocyte Segmentation on Breast Cancer Histopathology",IEEE Trans. on Biomedical Engineering, vol. 57, pp.1676-1689, 2010. (Link to the paper)
6. Jun Xu, James Monaco and Anant Madabhushi, “Markov Random Field driven Region-based Active Contour Model (MaRACel): Application to Medical Image Segmentation",MICCAI2010:the 13th International Conference on Medical Image Computing and Computer Assisted Intervention, LNCS 6363(Pt 3), pp 197-204, 2010. (Link to the paper)
7. Jun Xu, Andrew Janowcyzk, Sharat Chandran, Anant Madabhushi, "A Weighted Mean Shift, Normalized Cuts Initialized Color Gradient Based Geodesic Active Contour Model: Applications to Histopathology Image Segmentation",SPIE Symposium on Medical Imaging, vol.7623, San Diego, USA, 2010. (Link to the paper)
8. Jun Xu, Rachel Sparks, Andrew Janowcyzk, John E. Tomaszewski, Michael D. Feldman, and Anant Madabhushi, "High-throughput Prostate Cancer Gland Detection, Segmentation, and Classification from Needle Core Biopsies",Workshop on Prostate Cancer Imaging: the 13th International Conference on Medical Image Computing and Computer Assisted Intervention, Beijing, China, LNCS 6367, pp. 77-88, 2010. (Link to the paper)
9. Jinshan Tang, Rangaraj M. Rangayyan,Jun Xu, Issam El Naqa, and Yongyi Yang, “Computer-Aided Detection and Diagnosis of Breast Cancer with Mammography: Recent Advances,"IEEE Trans. on Information Technology in Biomedicine, vol. 13, no. 2, pp.236-251, 2009.（650+次引用,ISI高被引论文) (Link to the paper)
10.Shannon C. Agner,Jun Xu, Anant Madabhushi, Sarah Englander and Mark Rosen, “Quantitative DCE-MRI Signatures of Triple Negative Breast Cancer: A Computer-Aided Diagnosis Framework", pp.1227-1230，2009 IEEE International Symposium on Biomedical Imaging: From Nano to Macro, June 28-July 1, 2009, Boston, Massachussetts, USA. (Link to the paper)
11.Ajay Basavanhally,Jun Xu, Shridar Ganesan and Anant Madabhushi, “Computer-aided prognosis(CAP) of ER+breast cancer histolopathology and correlating survival outcome with Oncotype DX assay”, pp.855-858,2009 IEEE International Symposium on Biomedical Imaging: From Nano to Macro, June 28-July 1,2009, Boston, Massachussetts, USA. (Link to the paper)
12.Hussain Fatakdawala, Ajay Basavanhally,Jun Xu, Anant Madabhushi, Gyan Bhanot, Shridar Ganesan, Michael Feldman and John Tomaszewski, “Expectation Maximization driven Geodesic Active Contour with Overlap Resolution (EMaGACOR): Application to Lymphocyte Segmentation on Breast Cancer Histopathology",pp.69-76,9th IEEE International Conference on BioInformatics and BioEngineering, June 22-24, 2009, Taiwan, China. (Link to the paper)
13.Jun Xu, Yong-Yan Cao, Youxian Sun and Jinshan Tang, “Absolute Exponential Stability of Recurrent Neural Networks with Generalized Activation Function”,IEEE Trans. on Neural Networks, vol.19, no.6, pp.1075-1089, 2008. (Link to the paper)
14.Jun Xu, Yong-Yan Cao, Daoying Pi and Youxian Sun,“An estimation of the domain of attraction for general recurrent delayed neural networks",Neurocomputing, vol.71, no.7-9,pp.1566-1577, 2008. (Link to the paper)
15.Jun Xuand Jinshan Tang, “Detection of Clustered Microcalcifications Using An Improved Texture Based Approach for Computer Aided Breast Cancer Diagnosis System,"Computer Society of India Communications (CSI Communications), pp. 17-20, vol 31, issue 10, January 2008. (Link to the paper)
16. Jun Xu, Daoying Pi, Yong-Yan Cao, “Delay-independent and delay-dependent Stability of a novel delayed neural networks",Dynamics of Continuous, Discrete and Impulsive Systems, Series B, vol. 15, pp. 791-806,2008. (Link to the paper)
17. 伍世虔，徐军，“动态模糊神经网络—设计与应用”，清华大学出版社，2008. (Link to the book)
18.Jun Xu, Daoying Pi , Yong-Yan Cao and Shouming Zhong, “On stability of neural networks by a Lyapunov functional based approach",IEEE Trans. on Circuits and Systems-I: Regular Paper, vol.54, no.4, pp.912-924, 2007. (Link to the paper)
科研项目
1. 国家自然科学基金-浙江两化融合基金重点资助项目(U**)：基于医学图像深度计算的乳腺癌新辅助化疗病理缓解程度评估和预测, 2019.01-2022.12(主持)
2. 国家自然科学基金面上项目：基于放射-病理组学的乳腺癌转移风险预测模型研究（No. **），2018.01-2021.12 (主持)
3. 江苏省自然科学基金面上项目：基于淋巴结病理图像的乳腺癌自动分期系统(No. BK**），2018.07-2021.06 (主持)
4. 国家自然科学基金面上项目：基于影像-病理组学对胰腺癌精准诊断及预后评估的研究(No. **)，2019.01-2022.12 (参与)
5. 国家自然科学基金面上项目：基于病理图像的雌激素受体阳性乳腺癌复发风险预测研究（No.**），2012.01-2016.12 (主持，结题)
6. 江苏省“六大人才高峰”高层次人才项目资助计划：基于乳腺DCE-MR图像的肿瘤类型自动诊断系统（2013-XXRJ-019）(主持，结题)
7. 江苏省自然科学基金面上项目：基于钼靶图像的乳腺癌检测与诊断决策支持系统研究（BK**),2014.07-2017.06 (主持，结题)
8. 2015江苏省双创团队人才计划 (2015.06-2018.06) (核心成员)

学术报告


2020年


1.计算病理及其数字化切片组织形态学定量分析，2020年第七届医学图像计算青年研讨会 (MICS)，大连，2020年7月18-19日(报告视频链接)。
2. 影像和病理图像计算：它们在乳腺精准诊疗中的价值，2020第十二届上海市乳腺专业研讨会，上海， 2020年12月26日。
3. 影像和病理图像计算：它们对精准医学的价值，第十届上海泌尿肿瘤国际论坛-转化医学论坛，上海，2020年12月19日。
4.计算病理及其在胃肠疾病的研究进展与展望，肿瘤病理专委会-胃肠肿瘤学组系列学术活动，在线，2020年12月19日(Link)。
5.影像和病理图像计算：它们对精准医学的价值，第二届医工融合学术研讨会（在线），山东大学，2020年12月12-13日.
6. 影像和病理图像计算：它们对精准医学的价值，第四届图像计算与数字医学国际研讨会，沈阳，2020年12月5-7日(Link)
7. 计算病理与组织形态学定量分析：它们在非癌症病理中的研究价值，2020年中国生物医学工程年会暨创新医疗峰会-医学图像与人工智能，北京，2020年11月20-21日(Link)
8. 影像和病理图像计算：它们对精准医学的价值，2020浙江大学医学院第二附属医院广济学术周，杭州，2020年11月21日。
9. 影像和病理图像计算：它们对精准医学的价值，国际测试委员会智慧医疗科技大会&中国医学人工智能大会，青岛，2020年10月31日. (Link)
10. 影像和病理图像计算：它们对精准医学的价值，中国工业与应用数学学会第十八届年会：数理医学的理论进展与应用成果，长沙，2020年10月31日.
11."Computational Pathology and Histomorphological Analysis for Precision Medicine",MICCAI2020 Challenges on Automatic Cancer Detection and Classification in Whole-slide Lung Histopathology, Oct. 8, 2020 (Link).
12.影像和病理图像计算：它们对精准医学的价值，中北大学信息学院，太原，2020年10月28日.
13.计算病理与数字化切片组织形态学定量分析：它们对精准医学的价值，2020年中国医疗保健国际交流促进会病理分会年会，苏州，2020年9月18-20日。

2019年

1.Computational Pathology for Precision Medicine,MICCAI2019 Workshop on Computational Pathology for Precision Medicine, Shenzhen, Oct. 13, 2019. (Link)
2. Computational Pathology: from Digital Pathology to Precision Medicine，the 5th Digital Pathology Congress: Asia, April 3rd-4th, 2019, Tokyo, Japan.
3.Computational Pathology for Precision Medicine,French-Chinese Seminar on ICT for Health, 22 April 2019, Southeast University, Nanjing.
4.Computational Pathology: the opportunities and challenges,the 4th Digital Pathology Congress: Asia, May9th-10th, 2018, Tokyo, Japan.
5.影像和病理图像计算及其对精准医学的价值，中山大学计算机系，广州，2019年10月12日。
6.从数字病理到计算病理：它们对精准医学的价值，2019年10月10日，第十三届中国医师协会病理科医师年会，合肥。
7.面向乳腺癌伴随诊断的影像和病理图像计算，2019年乳腺肿瘤诊疗先进技术跨学科研讨会，复旦大学附属肿瘤医院，2019年7月28日。
8.计算病理及肾脏穿刺APOL1突变风险预测，中国医学装备协会病理装备分会，2019年7月19日，苏州。
9.计算病理:从数字病理到精准医学，2019中国医疗保健国际促进会病理分会年会,2019年5月18-19日，福州。

2018年及以前

1.影像和病理组学：图像与精准医学之间的桥梁，2018人工智能与医疗健康论坛，南京医科大学生物医学工程与信息学院，2018年12月23日，南京 （Link）
2.影像和病理组学及其对精准医学的贡献，首届中国医学影像AI大会，2018年12月16日, 上海 (Link)。
3.影像和病理组学及其对精准医学的贡献，2018年中国医学人工智能大会, 北京，中国科学院大学，2018年9月22-23日。
4.Computational Pathology for precision medicine,17th Annual Meeting of Japanese Society of Digital Pathology (17JSDP),August 31st- September 2nd, 2018, Kure, Japan.
5.医学图像计算及其对精准医学的贡献，第六届脑长寿高峰论坛，南京，2018年6月29-30日。
6.影像和病理组学及其对精准医学的贡献,2018年中国生物医学工程学会联合学术年会-医学成像与人工智能分论坛, 深圳，2018年9月20-22日
7.乳腺癌辅助诊断–人工智能如何为医生赋能，2018杭州第三届国际乳腺癌论坛，杭州，2018年7月28-29日。
8.计算病理学及其对精准医学的贡献--人工智能如何为医生赋能，第四届中国医疗保健国际交流促进会病理学年会暨数字病理和人工智能的应用大会，长沙，2018年5月19-20日（Link）
9.计算病理学及其对精准医学的贡献，2018开放医疗与健康联盟第三届年会：医疗人工智能的前沿进展，杭州，2018年1月20日(Link)
10.计算病理学，2017中国人工智能产业年会医疗人工智能专题论坛，苏州，2017年12月24日(Link)
11.计算病理学，中华医学会病理学分会第二十三次学术会议暨第七届中国病理年会，苏州，第7分会场G205, 15:25-15:50, 2017年10月28日(Link)
12.计算病理学：研究机遇与挑战，2017图像计算与数字医学国际研讨会-数字病理分会，成都，2017年9月24日(Link)（讲座视频链接）
13.Deep computing for digital pathology: toward computer-aided diagnosis and prognosis on cancers,the 3rd Digital Pathology Congress: Asia,September16th-17th, 2017, Guangzhou, China(Link)
14.面向癌症诊断和预后的组织病理图像深度计算，第三届中国数字化病理高峰论坛，西安，2017年5月13日(Link)
15.面向癌症诊断和预后的组织病理图像深度计算，第14期临床病理联盟直播课堂，(Link)
16.面向癌症计算机辅助诊断和预后的深度计算，2016年中国计算机大会医疗大数据分论坛，山西太原；2016年10月19日-10月22日(Link)




1.计算病理、数字病理；
2. 医学图像计算；影像和常规数字病理切片的定量分析；
3.计算机视觉、机器学习；
4. 面向癌症计算机辅助诊断与预后的病理图像分析；
5. 乳腺、前列腺、肺、头颈部等癌症的计算机辅助检测、诊断及预后；
6. 深度学习及大数据驱动的医学数据分析



医学图像计算青年在线研讨会常委委员

中国图像图形学会医学影像专业委员会委员

中国生物医学工程学会医学图像信息与控制专业委员会委员

中华医学会病理学分会数字病理与人工智能工作委员会特邀委员

江苏省人工智能学会医学图像处理专委会副主任

暂无内容
暂无内容
暂无内容
暂无内容

---

已经得到个称赞 给我点赞

所在单位：自动化学院
办公地点：自动化学院学科三号楼C311
性别：男
联系方式：xujunus@gmail.com
学位：博士学位
职称：教授
毕业院校：浙江大学
学科：控制科学与工程




科学研究
当前位置: 中文主页 >> 科学研究

研究领域 Hot2020年第七届医学图像计算青年研讨会 (MICS)报告：计算病理及其数字化切片组织形态学定量分析(报告视频链接)


1.计算病理学(Link)、数字病理(Link)
2.计算机视觉(Link)、机器学习(Link)
3.面向癌症(癌症：众疾之王 之 1.灵丹妙药；2. 盲人摸象；3.攻瑕蹈隙)影像和病理图像计算(幻灯片下载：地址1，地址2) (爱奇艺播放链接，视频链接，视频下载)
4. 乳腺(Link)、前列腺(Link)、肺（Link）、头颈部(Link)癌症的计算机辅助检测、诊断及预后(Related Link)
5. 深度学习及大数据驱动的医学数据分析(Related Link)
6. 高分辨率、多光谱（免疫荧光）病理图像计算(Related Link)


论文成果 暂无内容
专利 暂无内容
著作成果 暂无内容
科研项目 暂无内容

---

已经得到个称赞 给我点赞

所在单位：自动化学院
办公地点：自动化学院学科三号楼C311
性别：男
联系方式：xujunus@gmail.com
学位：博士学位
职称：教授
毕业院校：浙江大学
学科：控制科学与工程




研究领域
当前位置: 中文主页 >> 科学研究 >> 研究领域

Hot2020年第七届医学图像计算青年研讨会 (MICS)报告：计算病理及其数字化切片组织形态学定量分析(报告视频链接)


1.计算病理学(Link)、数字病理(Link)
2.计算机视觉(Link)、机器学习(Link)
3.面向癌症(癌症：众疾之王 之 1.灵丹妙药；2. 盲人摸象；3.攻瑕蹈隙)影像和病理图像计算(幻灯片下载：地址1，地址2) (爱奇艺播放链接，视频链接，视频下载)
4. 乳腺(Link)、前列腺(Link)、肺（Link）、头颈部(Link)癌症的计算机辅助检测、诊断及预后(Related Link)
5. 深度学习及大数据驱动的医学数据分析(Related Link)
6. 高分辨率、多光谱（免疫荧光）病理图像计算(Related Link)

---

已经得到个称赞 给我点赞

所在单位：自动化学院
办公地点：自动化学院学科三号楼C311
性别：男
联系方式：xujunus@gmail.com
学位：博士学位
职称：教授
毕业院校：浙江大学
学科：控制科学与工程




论文成果
当前位置: 中文主页 >> 科学研究 >> 论文成果

共0条0/0

---

已经得到个称赞 给我点赞

所在单位：自动化学院
办公地点：自动化学院学科三号楼C311
性别：男
联系方式：xujunus@gmail.com
学位：博士学位
职称：教授
毕业院校：浙江大学
学科：控制科学与工程




专利
当前位置: 中文主页 >> 科学研究 >> 专利

共0条0/0

---

已经得到个称赞 给我点赞

所在单位：自动化学院
办公地点：自动化学院学科三号楼C311
性别：男
联系方式：xujunus@gmail.com
学位：博士学位
职称：教授
毕业院校：浙江大学
学科：控制科学与工程




著作成果
当前位置: 中文主页 >> 科学研究 >> 著作成果

共0条0/0

---

已经得到个称赞 给我点赞

所在单位：自动化学院
办公地点：自动化学院学科三号楼C311
性别：男
联系方式：xujunus@gmail.com
学位：博士学位
职称：教授
毕业院校：浙江大学
学科：控制科学与工程




科研项目
当前位置: 中文主页 >> 科学研究 >> 科研项目

共0条0/0

---

已经得到个称赞 给我点赞

所在单位：自动化学院
办公地点：自动化学院学科三号楼C311
性别：男
联系方式：xujunus@gmail.com
学位：博士学位
职称：教授
毕业院校：浙江大学
学科：控制科学与工程




教学研究
当前位置: 中文主页 >> 教学研究

教学资源 暂无内容
授课信息 暂无内容
教学成果 暂无内容

---

已经得到个称赞 给我点赞

所在单位：自动化学院
办公地点：自动化学院学科三号楼C311
性别：男
联系方式：xujunus@gmail.com
学位：博士学位
职称：教授
毕业院校：浙江大学
学科：控制科学与工程




教学资源
当前位置: 中文主页 >> 教学研究 >> 教学资源

共0条0/0

---

已经得到个称赞 给我点赞
所在单位：自动化学院
办公地点：自动化学院学科三号楼C311
性别：男
联系方式：xujunus@gmail.com
学位：博士学位
职称：教授
毕业院校：浙江大学
学科：控制科学与工程


授课信息
当前位置: 中文主页 >> 教学研究 >> 授课信息

---

已经得到个称赞 给我点赞

所在单位：自动化学院
办公地点：自动化学院学科三号楼C311
性别：男
联系方式：xujunus@gmail.com
学位：博士学位
职称：教授
毕业院校：浙江大学
学科：控制科学与工程




教学成果
当前位置: 中文主页 >> 教学研究 >> 教学成果

共0条0/0

---

已经得到个称赞 给我点赞

所在单位：自动化学院
办公地点：自动化学院学科三号楼C311
性别：男
联系方式：xujunus@gmail.com
学位：博士学位
职称：教授
毕业院校：浙江大学
学科：控制科学与工程




获奖信息
当前位置: 中文主页 >> 获奖信息

共0条0/0