複製鏈接
請複製以下鏈接發送給好友

羅建文

(清華大學生物醫學工程系長聘教授)

鎖定
羅建文,男,畢業於清華大學,現為清華大學生物醫學工程系長聘教授,博士生導師 [2]  。曾獲國家自然科學基金委優秀青年科學基金項目資助 [1]  ,入選教育部2022年度“長江學者獎勵計劃”特聘教授 [1]  。作為項目負責人承擔國家重點研發計劃重點專項項目2項(1項結題優秀,1項在研)、國家自然科學基金項目5項 [1]  。發表論文300多篇,其中SCI收錄190多篇 [1]  。40多篇論文成為期刊高引論文、熱門論文、封面、封底、年度亮點、年度最佳論文獎等 [1]  。曾獲我國生物醫學工程學科最高科技獎“黃家駟生物醫學工程獎”技術發明類二等獎(第一完成人) [3-4]  、我國醫藥衞生行業的權威性科技獎項中華醫學科技獎醫學科學技術獎二等獎(第一完成人) [6]  與中國圖象圖形學學會技術發明獎二等獎(第一完成人) [5] 
中文名
羅建文 [2] 
國    籍
中國
民    族
出生地
福建省
畢業院校
清華大學
學位/學歷
博士 [1] 
職    業
教師
專業方向
生物醫學工程
職    務
長聘教授 [2] 
主要成就
研究醫學超聲成像新方法,用於重大疾病診斷與篩查 [1] 
實驗室
清華大學靈感實驗室(Medical Ultrasound Engineering Lab, MUSE Lab)

羅建文人物經歷

2023- 清華大學生物醫學工程系,長聘教授,博士生導師 [2] 
2011-2023 清華大學生物醫學工程系,研究員,博士生導師 [2] 
2009-2011 美國哥倫比亞大學,生物醫學工程系,Associate Research Scientist [2] 
2005-2009 美國哥倫比亞大學,生物醫學工程系,博士後 [2] 
2000-2005 清華大學,生物醫學工程系,工學博士 [2] 
1996-2000 清華大學,電機工程與應用電子技術系,工學學士 [2] 

羅建文研究方向

研究醫學超聲成像新方法,用於重大疾病診斷與篩查 [1] 
長期專注於醫學超聲成像的方法研究,特別是超聲彈性成像及心血管疾病與肝纖維化診斷新方法的研究。為了獲得生物或人體組織的病理屬性與功能信息,研究超聲成像序列及重建方法與彈性成像算法等關鍵技術,提出/建立脈搏波成像、心肌彈性成像、血管剪切波彈性成像、頸動脈粥樣硬化斑塊彈性成像等心血管彈性成像新方法,並進行肝臟瞬時彈性成像的產學研轉化 [1] 
在算法研究方面,提出了基於編碼激勵、壓縮感知、並行發射等技術的多種新型 超聲成像序列,以及基於自監督深度學習的圖像重建方法,提高了超聲成像的幀頻,保證了彈性成像的準確性和精度;提出了彈性成像的新算法,在保證高精度的同時,計算速度提高1-2個數量級。提出的算法直接被超聲彈性成像領域的著名學者採用(包括美國工程院院士、美國醫學院院士、美國醫學和生物工程研究院院士、歐洲科學院院士、荷蘭科學院和工程院院士、美國醫學超聲學會會士等) [1] 
在新方法研究方面,針對國內外心血管疾病的嚴峻形勢,提出或建立了脈搏波成 像、頸動脈彈性成像、血管橫截面剪切波成像、心肌彈性成像、心臟機電波成像等多種心血管彈性成像新方法,可望用於心血管疾病的早期診斷與篩查 [1] 
在產學研轉化方面,合作研發了亞太地區首台肝臟瞬時彈性成像設備,先後獲國家醫療器械註冊證(國內廠家首台)、美國FDA註冊證、歐盟CE證書等50多個國家/ 地區的資質認證。研發的產品被列入10多項行業標準、診療指南、專家共識。在國 內外累計裝機2500多台,覆蓋50多個國家/地區,累計終端銷售收入超過15億元。 目前,在國內細分領域已經超越國外產品,國內市場份額高達70%以上。得到市場與臨牀的高度認可,取得顯著的社會與經濟效益。該產品填補了國內技術空白,打破了歐美國家的技術壟斷,降低了設備採購成本。該產品的靈敏度、特異性、準確 性等指標與國外產品相當,檢測速度及成功率等指標超越國外產品,達到國際領先水平 [1] 

羅建文代表性論著

1. Zhang J, He Q, Xiao Y, Zheng H, Wang C*, Luo J*, Ultrasound image reconstruction from plane wave radio-frequency dataset by self-supervised deep neural network, Medical Image Analysis 2021, 70, 102018 (IF=11.148).
2. Chen Y, Liu J, Luo X*, Luo J*. ApodNet: Learning for high frame rate synthetic transmit aperture ultrasound imaging. IEEE Transactions on Medical Imaging 2021, 40(11): 3190-3204 (IF=10.048).
3. Liu X*, Zhou T, Lu M, Yang Y, He Q, Luo J*. Deep learning for ultrasound localization microscopy. IEEE Transactions on Medical Imaging 2020, 39(10): 3064-3078 (IF=10.048).
4. Liu J, He Q, Luo J*. A compressed sensing strategy for synthetic transmit aperture ultrasound imaging. IEEE Transactions on Medical Imaging 2017, 36(4): 878-891 (IF=10.048).
5. Zhang G, Pu H, He W, Liu F, Luo J*, Bai J. Bayesian framework based direct reconstruction of fluorescence parametric images. IEEE Transactions on Medical Imaging 2015, 34(6): 1378-1391 (IF=10.048).
6. Luo J, Fujikura K, Tyrie LS, Tilson III MD, Konofagou EE. Pulse wave imaging of normal and aneurysmal abdominal aortas in vivo. IEEE Transactions on Medical Imaging 2009, 8(4): 477-486 (IF=10.048).
7. Luo J, Konofagou EE. A fast normalized cross-correlation calculation method for motion estimation. IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control 2010, 57(6): 1347-1357 (年度高引論文,1/322).
8. Luo J, Li RX, Konofagou EE. Pulse wave imaging of the human carotid artery: An in vivo feasibility study. IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control 2012, 59(1): 174-181 (年度高引論文,3/314).
9. Cai C, Deng K, Ma C*, Luo J*. End-to-end deep neural network for quantitative photoacoustic imaging. Optics Letters 2018, 43(12): 2752-2755 (Editor's Pick).
10. Zhao F, Tong L, He Q, Luo J*. Coded excitation for diverging wave cardiac imaging: A feasibility study. Physics in Medicine and Biology 2017, 62(4): 1565-1584 (Highlights of 2017).
參考資料