项目简介
伦敦国王学院（QS全球排名：31）招收CSC资助博士生，开发用于3D图像分割和端到端3D网格生成的大型AI模型。
主要指导老师：Alistair Young教授或Kawal Rhode教授；第二指导老师：马英良博士（东英吉利大学）。
项目名称：面向自动图像分割与端到端网格生成的基础模型构建。
心脏作为肌肉泵，医学成像对其区域运动评估至关重要，用于疾病诊断、治疗监测、计算建模及 3D 解剖模型生成。当前基于深度学习的图像分割方法存在缺陷，对噪声、伪影和分辨率敏感，受成像模态和软件影响大，且常依赖多个分散模型，易致数据丢失。本项目旨在构建统一模型，从标准临床扫描中分割 3D 医学图像，并直接生成跨模态的高质量 3D 网格。
该模型利用 50,000 例英国生物银行扫描数据，通过半监督学习处理扫描方向和心脏解剖信息。模型采用基于视觉变换器的大型编码器（如 Medical SAM），经 50,000 个扫描数据训练，搭配轻量级解码器用于下游任务。训练运用多层蒙蔽自编码器及带伪标签的弱监督。
分割任务采用基于 CNN 的解码器处理解剖和心肌疤痕；网格生成则通过表面拟合、图像配准和变形生成解决短轴 MR 低空间分辨率问题。输入涵盖 3D（多层）和 3D+t（时空）数据，输出为适用于可视化和临床应用的 3D 及 3D+t 网格。
研究计划
第一年：开发基于视觉变换器的编码器；在大型图像数据库上进行训练；进行文献综述并实施基线。
第二年：设计和训练用于下游任务的解码器；专注于电影 MR 分割（短轴和选定的长轴）和从延迟增强 MR 中进行疤痕分割。
第三年：从全心 MR 或 CT 生成地面实况；在短轴电影 MR 上训练端到端网格生成；生成 3D 和 3D+t 网格。
第四年：与临床医生合作，将模型应用于来自 King’s Health Partners 医院的匿名患者数据；验证任务并支持临床出版物。
招生信息
申请人需满足中国国家留学基金管理委员会（CSC）博士项目的申请资格；
专业背景应为计算机科学、生物医学工程、电子工程或人工智能领域之一；
需具备扎实的编程能力（如熟练掌握 Python、PyTorch 等）以及深度学习方面的基础知识；
有医学影像分析相关经验的申请人将被优先考虑；
英语能力须达到伦敦国王学院博士学位申请的语言要求（如雅思、托福成绩达标）。
其他信息
CSC全额奖学金涵盖学费和生活费；
伦敦国王学院提供研究设施和计算资源；
学生将获得标准的英国研究型博士学位津贴和福利。
