領域大咖 | 南京大學鄭海榮院士

PsyBrain 腦心前沿 | 公眾號 PSY-Brain_Frontier

一鍵關注，點亮星標 ??

不錯過每日前沿資訊

領域大咖介紹

鄭海榮院士簡介

• 1996年9月至2002年7月在哈爾濱工業大學材料加工與控制工程系連續攻讀學士和碩士學位；

• 2002年8月至2006年5月在美國科羅拉多大學工學院機械工程系攻讀博士學位；

• 2006年5月至2007年9月在美國加州大學戴維斯分校工學院擔任博士后、項目科學家；

• 2007年9月回國任職于中國科學院深圳先進技術研究院，歷任副研究員、研究員；

• 2011年11月被任命為國家地方聯合高端醫學影像技術與裝備工程實驗室主任；

• 2014年至2021年擔任中國科學院深圳先進技術研究院醫工所所長；

• 2016年7月被任命為中國科學院深圳先進技術研究院副院長；

• 2018年6月被任命為中國科學院健康信息學重點實驗室主任；

• 2020年4月被任命為國家高性能醫療器械創新中心主任；

• 2023年6月任命為醫學成像科學與技術系統（全國）重點實驗室主任，同年8月進入中國科學院院士增選有效候選人名單；

• 2023年11月當選中國科學院院士；

• 2024年3月任南京大學副校長；

• 2024年9月當選為中國生物醫學工程學會會士。

研究方向及成果

主要研究方向為醫學成像信息技術與儀器設備、聲學/磁學生物物理，從事醫學成像理論、電子學與信息處理研究及醫療儀器設備研發。曾獲國家杰出青年基金資助、國家技術發明二等獎、國家科技進步一等獎。主持完成了國家973計劃項目（首席）、中科院戰略先導項目和國家重大科研儀器專項等多項重大科研項目。

提出隱正則化稀疏快速成像理論和高速成像電子學新體系，突破了醫學磁共振成像速度慢的難題；作為首席科學家，帶領團隊成功研發中國第一臺3.0T高場磁共振、國際首臺5.0T超高場磁共振并實現產業化，打破了國外長期壟斷；提出聲輻射力生物測量新方法，研制成功新一代無創超聲彈性模量成像儀器，實現了超聲換代跨越，在全球逾千家醫院使用；提出超聲輻射力神經調控新原理，研制成功世界首臺無創傷型腦神經調控儀器。

高水平論文導賞

Nature Comms 2021– Annotation-efficient deep learning for automatic medical image segmentation; Shanshan Wang, …,Hairong Zheng

醫學圖像分割通常依賴大量高質量標注，但這在臨床中難以獲取。文章提出了一個名為AIDE（Annotation-efficient Deep Learning）的開源框架，旨在解決半監督學習、無監督域適應和噪聲標簽學習這三大挑戰 。核心方法是采用雙網絡交叉模型（cross-model）協同優化，通過局部標簽過濾和全局標簽校正機制，利用模型自身生成的“偽標簽”來逐步修正低質量數據 。結果表明，在公開數據集和涉及3個中心、1萬多張圖像的乳腺腫瘤分割任務中，AIDE僅使用10%的標注數據，就能達到與全監督模型及放射科醫生相媲美的分割精度，極大降低了標注成本

Fig. 1 Overview of AIDE

Nature Comms 2018- MR imaging tracking of inflammation-activatable engineered neutrophils for targeted therapy of surgically treated glioma; Meiying Wu,…,Hairong Zheng

針對膠質瘤術后復發和藥物遞送難的問題，文章開發了一種基于中性粒細胞的“特洛伊木馬”遞送系統。研究者將負載阿霉素（Dox）的磁性介孔氧化硅納米顆粒（MMSNs）內化到中性粒細胞中，構建了ND-MMSNs 。主要發現是：利用術后炎癥產生的趨化因子梯度，這些工程化中性粒細胞能主動穿越血腦屏障并歸巢至炎癥殘留腫瘤部位 。隨后，它們通過釋放中性粒細胞胞外誘捕網（NETs）釋放藥物。同時，MMSNs的磁性內核允許通過MRI追蹤細胞的遷移 。結果顯示該策略顯著延長了術后膠質瘤小鼠的生存期 。

Fig. 1 Fabrication and targeted-therapeutic schematics of ND-MMSNs

Biomaterials 2024- Acoustic-holography-patterned primary hepatocytes possess liver functions; Changcan Li, …, ,Hairong Zheng

體外構建具有體內特征的3D肝臟模型一直是個難題。本研究利用改進的聲全息晶格（AHL）技術，將小鼠原代肝細胞（PMH）在幾秒鐘內組裝成特定的肝臟形狀，并固定在GelMA水凝膠中 。結果發現，相比于2D和傳統3D培養，AHL模型中的肝細胞自組裝成了大量的類器官球體，并表現出更高的存活率（>96%）和增殖能力 。更重要的是，該模型在長達14天的培養中維持了更強的核心肝功能，包括白蛋白分泌、尿素合成、藥物代謝酶（CYP450）活性等 。這為藥物篩選和疾病研究提供了一種高效的體外模型構建方法

Fig. 2. | Principles of acoustic patterning of microparticles via AHL

JACC Imaging 2024- Machine Learning in Hypertrophic Cardiomyopathy; Kankan Zhao, …,Hairong Zheng

目前的肥厚型心肌病（HCM）風險分層模型（HCM Risk-SCD）在預測心血管不良事件（MACEs）方面準確性有限。本研究旨在建立一個集成了心臟磁共振（CMR）成像特征（特別是應變和晚期釓增強LGE）與臨床變量的機器學習（LightGBM）模型 。結果顯示，在包含758名患者的多中心隊列中，該ML模型的預測性能（AUC 0.830）顯著優于傳統Cox回歸和HCM Risk-SCD模型（AUC提升了22.7%）。研究還發現了一個關鍵的非線性關系：LGE程度和整體徑向/圓周應變的受損只有在達到特定閾值（如LGE > 11.6%）后，才會導致MACE風險急劇上升

CENTRAL ILLUSTRATION Prediction of Cardiovascular Events in HCM on the Basis of CMR Features and Other Features by a ML Model

Ultrasonics 2024- A transcranial multiple waves suppression method for plane wave imaging

based on Radon transform; Yue Pan,…,Hairong Zhen

顱骨的非均質性和高聲速特性會導致超聲波產生嚴重的多次反射（multiples）和畸變，極大降低腦成像質量。文章提出了一種基于高分辨率線性Radon變換的波場分離方法，用于抑制平面波成像中的顱骨干擾 。方法上，利用顱骨多次波與腦內有效回波在Radon域（慢度-截距時間域）中能量分布的差異，通過稀疏約束算法分離并去除多次波 。結果顯示，在仿真和離體猴頭骨實驗中，該方法成功提取了被強顱骨反射掩蓋的微弱腦內信號，成像對比噪聲比（CNR）較傳統全波形成像提高了85%，旁瓣和柵瓣水平降低了約30 dB

Fig. 5. The reflection separation and imaging results of in vitro transcranial ultrasound measurements.

文字來源：

1. 簡介、研究方向及成果，參考南京大學官網主頁、百科介紹。
   南大官網：
   https://www.nju.edu.cn/info/1040/358421.htm
   百科：
   https://baike.baidu.com/item/%E9%83%91%E6%B5%B7%E8%8D%A3/7109278
   

2. 由于主頁沒有標注哪些文章是代表作，解析內容選取基于谷歌學術高IF。代表論文解析由“天天”分享，不準確的地方歡迎批評指正

前沿交流|歡迎加入認知神經科學前沿交流群！

核心圖表、方法細節、統計結果與討論見原文及其拓展數據。

分享人：天天

審核：PsyBrain 腦心前沿編輯部