领域大咖 | 南京大学郑海荣院士

PsyBrain 脑心前沿 | 公众号 PSY-Brain_Frontier

一键关注，点亮星标 ⭐️

不错过每日前沿资讯

领域大咖介绍

郑海荣院士简介

• 1996年9月至2002年7月在哈尔滨工业大学材料加工与控制工程系连续攻读学士和硕士学位；

• 2002年8月至2006年5月在美国科罗拉多大学工学院机械工程系攻读博士学位；

• 2006年5月至2007年9月在美国加州大学戴维斯分校工学院担任博士后、项目科学家；

• 2007年9月回国任职于中国科学院深圳先进技术研究院，历任副研究员、研究员；

• 2011年11月被任命为国家地方联合高端医学影像技术与装备工程实验室主任；

• 2014年至2021年担任中国科学院深圳先进技术研究院医工所所长；

• 2016年7月被任命为中国科学院深圳先进技术研究院副院长；

• 2018年6月被任命为中国科学院健康信息学重点实验室主任；

• 2020年4月被任命为国家高性能医疗器械创新中心主任；

• 2023年6月任命为医学成像科学与技术系统（全国）重点实验室主任，同年8月进入中国科学院院士增选有效候选人名单；

• 2023年11月当选中国科学院院士；

• 2024年3月任南京大学副校长；

• 2024年9月当选为中国生物医学工程学会会士。

研究方向及成果

主要研究方向为医学成像信息技术与仪器设备、声学/磁学生物物理，从事医学成像理论、电子学与信息处理研究及医疗仪器设备研发。曾获国家杰出青年基金资助、国家技术发明二等奖、国家科技进步一等奖。主持完成了国家973计划项目（首席）、中科院战略先导项目和国家重大科研仪器专项等多项重大科研项目。

提出隐正则化稀疏快速成像理论和高速成像电子学新体系，突破了医学磁共振成像速度慢的难题；作为首席科学家，带领团队成功研发中国第一台3.0T高场磁共振、国际首台5.0T超高场磁共振并实现产业化，打破了国外长期垄断；提出声辐射力生物测量新方法，研制成功新一代无创超声弹性模量成像仪器，实现了超声换代跨越，在全球逾千家医院使用；提出超声辐射力神经调控新原理，研制成功世界首台无创伤型脑神经调控仪器。

高水平论文导赏

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

医学图像分割通常依赖大量高质量标注，但这在临床中难以获取。文章提出了一个名为AIDE（Annotation-efficient Deep Learning）的开源框架，旨在解决半监督学习、无监督域适应和噪声标签学习这三大挑战 。核心方法是采用双网络交叉模型（cross-model）协同优化，通过局部标签过滤和全局标签校正机制，利用模型自身生成的“伪标签”来逐步修正低质量数据 。结果表明，在公开数据集和涉及3个中心、1万多张图像的乳腺肿瘤分割任务中，AIDE仅使用10%的标注数据，就能达到与全监督模型及放射科医生相媲美的分割精度，极大降低了标注成本

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

针对胶质瘤术后复发和药物递送难的问题，文章开发了一种基于中性粒细胞的“特洛伊木马”递送系统。研究者将负载阿霉素（Dox）的磁性介孔氧化硅纳米颗粒（MMSNs）内化到中性粒细胞中，构建了ND-MMSNs 。主要发现是：利用术后炎症产生的趋化因子梯度，这些工程化中性粒细胞能主动穿越血脑屏障并归巢至炎症残留肿瘤部位 。随后，它们通过释放中性粒细胞胞外诱捕网（NETs）释放药物。同时，MMSNs的磁性内核允许通过MRI追踪细胞的迁移 。结果显示该策略显著延长了术后胶质瘤小鼠的生存期 。

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

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

体外构建具有体内特征的3D肝脏模型一直是个难题。本研究利用改进的声全息晶格（AHL）技术，将小鼠原代肝细胞（PMH）在几秒钟内组装成特定的肝脏形状，并固定在GelMA水凝胶中 。结果发现，相比于2D和传统3D培养，AHL模型中的肝细胞自组装成了大量的类器官球体，并表现出更高的存活率（>96%）和增殖能力 。更重要的是，该模型在长达14天的培养中维持了更强的核心肝功能，包括白蛋白分泌、尿素合成、药物代谢酶（CYP450）活性等 。这为药物筛选和疾病研究提供了一种高效的体外模型构建方法

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）风险分层模型（HCM Risk-SCD）在预测心血管不良事件（MACEs）方面准确性有限。本研究旨在建立一个集成了心脏磁共振（CMR）成像特征（特别是应变和晚期钆增强LGE）与临床变量的机器学习（LightGBM）模型 。结果显示，在包含758名患者的多中心队列中，该ML模型的预测性能（AUC 0.830）显著优于传统Cox回归和HCM Risk-SCD模型（AUC提升了22.7%）。研究还发现了一个关键的非线性关系：LGE程度和整体径向/圆周应变的受损只有在达到特定阈值（如LGE > 11.6%）后，才会导致MACE风险急剧上升

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

颅骨的非均质性和高声速特性会导致超声波产生严重的多次反射（multiples）和畸变，极大降低脑成像质量。文章提出了一种基于高分辨率线性Radon变换的波场分离方法，用于抑制平面波成像中的颅骨干扰 。方法上，利用颅骨多次波与脑内有效回波在Radon域（慢度-截距时间域）中能量分布的差异，通过稀疏约束算法分离并去除多次波 。结果显示，在仿真和离体猴头骨实验中，该方法成功提取了被强颅骨反射掩盖的微弱脑内信号，成像对比噪声比（CNR）较传统全波形成像提高了85%，旁瓣和栅瓣水平降低了约30 dB

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

文字来源：

1. 简介、研究方向及成果，参考南京大学官网主页、百科介绍。
   南大官网：
   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. 由于主页没有标注哪些文章是代表作，解析内容选取基于谷歌学术高IF。代表论文解析由“天天”分享，不准确的地方欢迎批评指正

前沿交流|欢迎加入认知神经科学前沿交流群！

核心图表、方法细节、统计结果与讨论见原文及其拓展数据。

分享人：天天

审核：PsyBrain 脑心前沿编辑部