个人简介

郑冶枫，1975年生，浙江江山人，国际电气和电子工程师协会会士（IEEE Fellow）、美国医学和生物工程学会会士（AIMBE Fellow），1998年和2001年于清华大学电子工程系分别获得本科和硕士学位，2005年博士毕业于美国马里兰大学电气与计算机工程系。2006年至2017年在西门子医疗美国研究院工作。2018年至2024年在腾讯工作，担任腾讯杰出科学家和天衍实验室主任。他是IEEE医学影像杂志副编，曾经担任医学影像AI的顶会MICCAI 2021大会程序委员会主席，和多个人工智能顶会的领域主席（包括NeurIPS, AAAI, IJCAI和MICCAI）。2024年7月全职加入西湖大学，受聘工学院教授，创立医学人工智能实验室。

学术成果

郑冶枫博士长期在工业界从事医学人工智能产品的研发。他是最早一批将机器学习引入医学影像分析的开创者，在西门子工作期间发明了投影空间学习法，用于医学影像中器官的快速检测与分割。该发明于2011年获美国专利授权，当年即获托马斯.爱迪生专利奖。相关的研究成果于2014年由Springer结集出版《医学影像处理的投影空间学习法：器官的快速检测与分割》。投影空间学习法被广泛应用到西门子内部50多个的项目中，集成进多个产品（比如syngo.via Cardiac Function and Coronary Analysis用于CT冠脉分析, syngo AutoAlign用于MRI的规范化扫描, syngo eSieValve用于超声心脏瓣膜分析，和syngo Aortic ValveGuide用于主动脉瓣膜置换的手术规划和术中导航）。其中，syngo Aortic ValveGuide获得2010年欧洲心胸外科手术年会（EACTS）的技术创新奖（Techno-College Innovation Award）。投影空间学习法也被授权给多家外部公司，比如Biosense Webster 和DePuy Synthes，集成进它们的产品。

在担任腾讯天衍实验室主任期间，郑冶枫博士负责了科技部新一代人工智能开放创新平台（医疗影像）的研发。该平台获得2023年世界互联网大会（乌镇）领先科技奖，多款医学影像AI产品（比如CT肺炎和青光眼）获得国家药品监督管理局医疗器械三类注册证。实验室也积极探索医学大数据分析在新型传染病预警监测（获得2022年中国国际大数据产业博览会领先科技成果奖）和医保基金监管（获得2022年国家医保局智慧医保大赛第一名）中的应用。实验室研发的医学自然语言处理相关产品，比如智能导诊、预问诊、辅诊、用药助手、院务客服问答，落地1000多家医院；医学大语言模型在医学知识查询、病历生成、医患对话自动生成上取得不错的效果，已经在多家头部医院落地应用。

郑冶枫博士发明了500多件专利（其中美国专利90多件），发表论文300多篇，被引用21,000多次，h-index指数74。他曾于2003年获得中国国家科技进步二等奖。

代表论文（*代表通信作者）

1. Yefeng Zheng, Adrian Barbu, Bogdan Georgescu, Michael Scheuering, and Dorin Comaniciu, Four-chamber heart modeling and automatic segmentation for 3-D cardiac CT volumes using marginal space learning and steerable features, IEEE Transactions on Medical Imaging, 2008, 27(11): 1668-1681

2. Yefeng Zheng, David Liu, Bogdan Georgescu, Hien Nguyen, and Dorin Comaniciu, 3D deep learning for efficient and robust landmark detection in volumetric data, Proceedings of International Conference on Medical Image Computing and Computer Assisted Intervention, 2015: 565-572

3. Zizhao Zhang, Lin Yang, and Yefeng Zheng*, Translating and segmenting multimodal medical volumes with cycle- and shape-consistency generative adversarial network, Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2018: 9242-9251

4. Sihong Chen, Kai Ma, and Yefeng Zheng*, Med3D: Transfer learning for 3D medical image analysis, arXiv preprint arXiv:1904.00625, 2019

5. Jichao Sun, Xi Chen, Ziheng Zhang, Shengzhang Lai, Bo Zhao, Hualuo Liu, Shuojia Wang, Wenjing Huan, Ruihui Zhao, Man Tat Alexander Ng, and Yefeng Zheng*, Forecasting the long-term trend of COVID-19 epidemic using a dynamic model, Scientific Reports, 2020, 10(1): 21122

6. He Zhao, Qingqing Zheng, Kai Ma, Huiqi Li, and Yefeng Zheng*, Deep representation-based domain adaptation for nonstationary EEG classification, IEEE Transactions on Neural Networks and Learning Systems, 2020, 32(2): 535-545

7. Wei Ji, Shuang Yu, Junde Wu, Kai Ma, Cheng Bian, Qi Bi, Jingjing Li, Hanruo Liu, Li Cheng, and Yefeng Zheng*, Learning calibrated medical image segmentation via multi-rater agreement modeling, Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2021: 12341-12351 (candidate for the best paper award)

8. Hengyi Zheng, Rui Wen, Xi Chen, Yifan Yang, Yunyan Zhang, Ziheng Zhang, Ningyu Zhang, Bin Qin, Xu Ming, and Yefeng Zheng*, PRGC: Potential relation and global correspondence based joint relational triple extraction, Proceedings of the Annual Meeting of the Association for Computational Linguistics, 2021: 6225–6235

9.Yongqi Zhang, Quanming Yao, Ling Yue, Xian Wu, Ziheng Zhang, Zhenxi Lin, and Yefeng Zheng, Emerging drug interaction prediction enabled by flow-based graph neural network with biomedical network, Nature Computational Science, 2023, 3: 1023-1033

10. Qidong Liu, Xian Wu, Xiangyu Zhao, Yuanshao Zhu, Derong Xu, Feng Tian, and Yefeng Zheng, “When MOE meets LLMs: Parameter efficient fine-tuning for multi-task medical applications,” Proceedings of International ACM SIGIR Conference on Research and Development in Information Retrieval, 2024: 1104-1114.

联系方式

电子邮箱：medai_lab@westlake.edu.cn

西湖大学医学人工智能实验室将致力于人工智能在医学上的应用，解决医疗资源供给与需求不平衡的问题，提高医疗系统的效率，降低诊疗的风险。实验室的研究方向包括医学影像分析、自然语言处理、生物信息分析等。随着近年大模型技术的发展，实验室将融合影像、文本、基因等模态信息，探索多模态医学大模型的前沿技术，及其在医疗上的新型应用。现诚聘上述研究方向的博士后、科研助理和访问学生。