牛津大学工程系博士研究生梁子云荣获医学图像计算与计算机辅助介入学会（MICCAI）颁发的MedIA最佳论文奖。该奖项在MICCAI年度国际会议上颁发，旨在表彰发表于《医学图像分析》（MedIA）期刊的最高质量论文，这些论文需展示前一年MICCAI会议上提出的创新成果。
研究团队成员包括郭晓清、徐文天、亚辛·易卜拉欣、娜塔莉·沃茨、皮特·普雷托里乌斯、艾莉森·诺布尔和康斯坦丁诺斯·卡姆尼塔斯教授。团队目标是创建能够检测脑部3D MRI扫描异常的AI模型，例如因图像采集问题产生的伪影或意外病理变化。他们开发的IterMask3D模型通过无异常的脑部MRI扫描数据进行训练，从而掌握"正常"脑部扫描的影像特征。
模型训练完成后可处理新MRI扫描：系统迭代式遮盖扫描的不同区域，要求IterMask3D"重构"被遮盖内容。由于该模型仅在无异常扫描数据上训练，若图像包含无法被"重构"的异常模式，这些区域将被标记为需重点关注的异常点。
作为梁子云博士研究项目的核心成果，她作为第一作者主导了从算法构思开发、实验设计到数据预处理、分析及论文撰写的全流程工作。该技术具有多重应用价值：可实时检测次优采集导致的影像伪影（避免患者离院后才发现问题需重新扫描），为自动化影像分析流程提供安全保障（防止伪影导致错误输出），并能识别意外病灶。IterMask3D的无监督学习特性使其无需专家人工标注异常样本，不仅降低成本，理论上还能检测任何类型的异常模式——而传统监督学习方法仅能识别训练数据中已标注的异常类型。
项目指导教授康斯坦丁诺斯·卡姆尼塔斯表示："为实现AI在医疗领域的巨大潜力，其系统集成必须可靠。该模型能有效检测多种采集伪影，助力构建更稳健的影像分析系统。更令人振奋的是，该AI模型在将脑部病灶识别为异常方面已展现早期潜力，有望帮助放射科医生发现此前可能遗漏的隐匿病理，但该方向仍需深入研究。"
梁子云表示："获此殊荣我深感荣幸，特别感谢导师康斯坦丁诺斯·卡姆尼塔斯教授及合作团队在研究全程给予的坚定支持。"
【全文结束】
