田素坤，男，工学博士(后)，北京大学口腔医学院数字化研究中心助理教授/副研究员、博士生导师。北大医学-南京前知口腔智能设计制造联合实验室副主任、中国医疗器械行业协会口腔科设备及材料专业委员会特聘专家顾问、山东省科学养生协会创新融合成果转化专业委员会常委。2008年入学滨州职业学院就读机电一体化技术专业，2011年进入枣庄学院机电工程学院就读本科，2013年考入南华大学并获得机械工程专业硕士学位（就读期间以第一作者在国内核心期刊发表论文5篇），2020年于南京航空航天大学获工学博士学位，2020年至2023年任山东大学博士后研究员，2022年南京航空航天大学优秀博士学位论文获得者。
主要从事复杂口腔修复体个性化智能设计与制造、人工智能与医疗、医学图像处理等研究。自主研发“相对轨迹驱动的牙齿虚拟动态调颌仿真系统”重构出满足患者生理咀嚼功能的缺失牙颌面形态;构建咬合指纹驱动的功能性咬合面智能推理理论模型，有效搭建了个体牙颌生理解剖特征与义齿设计专家经验之间的知识桥梁。现主持国家自然科学基金青年基金项目一项，作为骨干参与国家重点研发计划专项、国家自然科学基金等多项;迄今已在国内外刊物上发表论文30余篇，其中以第一/通讯作者在IEEE Trans. Med. Imag.、Mater. Design.、IEEE J. Biomed. Health Informat.等医工交叉领域权威期刊上发表SCI/EI论文16篇;长期担任Comput. Biol. Med.、Sci. Rep.、PLoS One、Int. J. Numer. Methods Biomed. Eng.等国际期刊审稿人，并应邀担任国际SCI期刊Sensors和国际会议PRAI 2023客座编辑(Guest Editor);申请中国发明专利8项(授权3项);荣获第48届日内瓦国家发明展金奖、研究生国家奖学金、中国研究生电子设计竞赛华东赛区一等奖、湖南省研究生创新论坛优秀论文一等奖等10余项;协助导师指导博/硕士研究生9人。在此，我们汇总了田研究员的代表性论文与大家一起分享，内容如下，Interdisciplinary Sciences: Computational Life Sciences：一种用于脑癌组织病理图像分级的自适应稀疏交互式ResNet-Vision变压器双分支网络脑癌症是发生在大脑和中枢神经系统的最致命的癌症，快速准确的分级对于减少患者痛苦和提高生存率至关重要。传统的基于卷积神经网络（CNN）的计算机辅助诊断算法不能充分利用病理图像的全局信息，而最近流行的视觉变换器（ViT）模型对病理图像的局部细节关注不够，这两种情况都导致了模型焦点的精度不足和癌症脑分级的准确性不足。为了解决这个问题，山东大学田素坤副研究员、重庆大学黄盼和唐朝伟教授等人提出了一种自适应稀疏交互ResNet-ViT双分支网络（ASI-DBNet）。首先，作者设计了ResNet-ViT并行结构，以同时捕获和保留病理图像的局部和全局信息。其次，作者设计了自适应稀疏交互块（ASIB）来交互ResNet分支和ViT分支。此外，作者在ASIB中引入了注意力机制，在交互过程中自适应地过滤来自双分支的冗余信息，使交互过程中传递的特征图更加有益。密集的实验表明，ASI DBNet在各种基线和SOTA模型中表现最佳，在四个等级中的准确率为95.24%。特别是对于严重恶化的脑肿瘤（III级和IV级），ASI DBNet的最高诊断准确率分别为97.93%和96.28%，具有重要的临床意义。同时，利用梯度加权类激活图（Grad_cam）和注意力展开可视化机制来可视化模型背后的工作逻辑，得到的特征图突出了与诊断相关的重要区别特征。因此，提高了模型的可解释性和置信度，对脑癌症的临床诊断具有重要价值。文献链接：https://link.springer.com/article/10.1007/s12539-022-00532-0Clinical Oral Implants Research：在无牙上颌使用平面镜辅助的新型结构光扫描系统对数字植入物印模的准确性不准确的植入物印模会导致假体和植入物基牙之间不合适的配合，从而可能导致严重的机械并发症。因此，植入物位置的精确三维（3D）复制对于成功的假体至关重要。然而，由于缺乏具有里程碑意义的解剖特征，口内扫描仪在无牙颌的多个植入物的情况下显示出局限性，特别是对于缺乏经验的操作员。除了上述技术外，双目视觉结构光技术已被证明在重建精确的3D模型方面是有效的，该技术广泛应用于实验室和面部扫描仪。然而，这些方法在实现在微米级别捕获植入物印模所需的精度和细节方面存在局限性。鉴于此，北京大学口腔医学院Yuchun Sun、Hu Chen和田素坤副研究员开发了一种新方法，通过结合基于高精度结构光的扫描系统，并辅以口内自适应平面镜，获得准确的全弓植入物印模。为了验证自主研发的结构光扫描的可行性，进行了一项体外研究，将其在数字全弓种植体印模中的准确性与摄影测量和口内扫描仪技术进行了比较。作者使用实验室扫描仪扫描了一个有六个扫描体的无牙上颌结石模型作为参考模型。比较了三种扫描方式（n=10）：（1）自主研发的带镜结构光扫描（SSLS）；（2） 口内扫描仪（IOS）；（3）摄影测量系统（PG）。研究表明，SSLS、PG和IOS组之间存在显著的总体线性差异（p<0.001）。SSLS显示了最佳的整体真实度和精度（6.6，5.7μm），其次是PG（58.4，6.8μm）和IOS（214.6，329.1μm）。对于3D粘膜偏差，SSLS组的准确性（p<0.001）和精确度（p<0.001）明显优于IOS组。SSLS在确定植入物位置方面比PG和IOS具有更高的准确性。此外，它在捕获粘膜方面比IOS具有更好的准确性。文献链接：https://onlinelibrary.wiley.com/doi/10.1111/clr.14208IEEE Journal of Biomedical and Health Informatics：一种新的喉组织病理学图像数据集的可解释分级的无学习参数注意约束变压器网络喉鳞状细胞癌（LSCC）是一种发生在喉黏膜表层的恶性肿瘤。LSCC恶性肿瘤主要源于其快速扩散和转移到淋巴结和其他解剖部位的能力，对健康构成重大风险，并对生命构成潜在威胁。此外，组织病理学图像是病理分级的“金标准”（即i级（分化良好）、II级（分化中等）和III级（分化不良））。因此，基于组织病理学图像的准确和智能分级方法在早期检测和治疗LSCC，可以显著提高治愈率。为此，北京大学口腔医学院田素坤副研究员等人提出了一种新的复杂语义LSCC组织病理学图像数据集。由于缺乏专门且具有临床意义的数据集，现阶段关于喉鳞状细胞癌智能分级模型的研究很少。然而，这些复杂的图像语义往往会干扰病理学家的诊断和分析。例如，这些复杂的背景语义和目标语义之间的巨大相似性导致病理学家严重依赖主观经验来综合纹理、形状、细胞和组织的信息进行分级，这是分级不正确的主要原因。例如，1）低倍镜下缺乏精细细节可能会导致将淋巴组织误分类为肿瘤组织。2） 低倍镜下缺乏血管壁细胞的局部信息可能会导致将淋巴组织误分类为血管，反之亦然，以及将血管误分类为组织坏死。包含多个复杂目标语义和背景语义的数据集可以探索LSCC智能评分模型中不同语义对评分性能的影响机制。此外，基于病理学的先验知识，作者知道目标语义与LSCC分级密切相关（即概率的高影响），而背景语义的相关性较弱（即概率中的高效应）。因此，作者提出了一种具有学习参数自由注意力约束的变压器的端到端网络（LA ViT），它提高了学习高效目标语义信息的能力，降低了背景语义的比例。首先，根据广义线性模型和概率，作者证明学习的无参数注意（LA）比参数注意具有更强的学习高效目标语义信息的能力。其次，LA ViT的第一类LA变换器块利用特征图位置子空间来实现查询。然后，它使用特征信道子空间来实现密钥，并采用平均收敛来获得一个值。这些构成了LA机制。因此，它降低了背景语义在特征图和特征通道中的比例。第三，LA ViT的第二类LA变压器块分别使用模型概率矩阵信息和决策级权重信息来实现密钥和查询。这些实现了LA机制。因此，它降低了类激活映射中背景语义的比例。最后，作者构建了一个新的复杂语义LSCC病理图像数据集来解决这个问题，由于缺乏具有临床意义的数据集，对LSCC分级模型的研究较少。经过广泛的实验，LA ViT的整体指标优于其他最先进的方法，可视化图与病理学家决策中的感兴趣区域更匹配。此外，在公共LSCC病理图像数据集上进行的实验结果表明，LA ViT的泛化性能优于其他最先进的方法。文献链接：https://ieeexplore.ieee.org/document/10460116Materials & Design：选择性激光熔化点阵部件的网格树复合支撑结构金属晶格结构具有优异的机械性能，可以开发轻质零件，选择性激光熔化（SLM）可以在没有模具的情况下构建复杂的晶格零件。SLM中需要支撑结构来去除工艺中的热量并减少几何变形。然而，传统的支撑结构生成方法存在一些问题，如生成效率低、去除困难、不符合晶格零件的制造要求。在此，北京大学口腔医学院田素坤副研究员和江西理工大学杨友文副教授等人提出了一种用于网格零件的网格树复合支撑结构生成算法。首先，考虑功能特征的表面质量和晶格结构的可加工性，优化晶格零件的构建方向。然后，确定框架的悬挑区域和晶格结构的点悬挑。最后，为网格零件生成网格树复合支撑结构。具体而言，虽然格子零件的支撑结构生成问题比实体零件更复杂，但主要任务是相似的。首先，作者利用早先提出的多准则遗传算法来获得晶格部分构建方向的帕累托最优集。然后，根据用户需求在最优解决方案集中选择构建方向。例如，在此选择了与帧的最小自适应特征粗糙度相对应的构建方向。此外，基于其骨架识别晶格结构的点悬垂，最终生成了网格树复合结构来支撑框架和网格结构。作者进行了实验来验证我们的方法，并将该方法与Magics RP的三个支撑进行了比较。实验结果表明，上述方法在减少支撑体积和翘曲变形方面是有效的。文献链接：https://www.sciencedirect.com/science/article/pii/S0264127522011224?via%3DihubMedical & Biological Engineering & Computing：牙体修复中相对轨迹驱动的虚拟动态咬合调节异常的咬合接触会破坏口腔颌系统的协调和健康。因此，咬合面的动态调整对于评估咬合接触状态和阐明口腔颌系统疾病的颌因素具有重要意义。建立合适的咬合接触是成功修复治疗的标准，因为其位置、分布和干扰强度是咀嚼运动和牙修复稳定性的决定因素。因此，动态咬合调整是牙科修复CAD系统中的一个关键问题，可用于恢复患者的正常咀嚼功能。在日常牙科实践中，咬合接触是通过铰接纸和咬合印模材料标记的，然后牙医通过自己的经验完成了咬合面的手动研磨。然而，通过这些方法从宏观发现中定量评估仍然很困难。为了解决这个问题，北京大学口腔医学院田素坤副研究员和南京航空航天大学戴宁教授等人提出了一种基于螺旋理论的轨迹减法算法，以提高咬合运动轨迹的精度。在相对轨迹的驱动下，开发了一种虚拟动态咬合调整系统，实现了三维咬合运动模拟、自动咬合关系检测和自动咬合调整。此外，作者采用了一种基于拉普拉斯变形的主动咬合调整方法来增加咬合面的接触面积，这可以帮助牙医实现非干涉区域的自动调整。因此，所提出的减法算法是可行的，均方根为0.097mm，调整后的咬合面更符合自然咬合形态。总的来说，与当前可用的系统相比，上述系统具有较高的精度。同时，调整后的咬合面更符合生理要求，因此该系统提高了咬合调整的准确性。文献链接：https://link.springer.com/article/10.1007/s11517-018-1867-3
来源：BioMed科技
主编微信
（商务合作，重要事宜）
注：添加微信请备注昵称+单位+研究
生命科学综合交流QQ群:681341860
微信学科群：病毒学群，神经科学群、临床医学、肿瘤学科群、硕博交流群和医药投资交流群（微信群审核要求较高，请各位添加赵编后主动备注单位研究方向）