冯前进

姓名：冯前进

职称：教授

联系邮箱：fengqj99@smu.edu.cn

v 学习经历

2000.09-2003.07 第一军医大学，生物医学工程系，博士，导师:陈武凡

1997.09-2000.07 第一军医大学，生物医学工程系，硕士，导师:邓亲恺

1991.09-1996.07 第一军医大学，生物医学工程系，学士

v 工作经历

2015.10-至今    南方医科大学，生物医学工程学院，二级教授

2010.10-2015.10 南方医科大学，生物医学工程学院，教授

2008.06-2009.09 北卡罗莱纳大学，放射系，访问学者

2007.06-2010.10 南方医科大学，生物医学工程学院，副教授

2004.06-2007.08 南方医科大学，生物医学工程学院，讲师

2003.09-2004.06 第一军医大学，生物医学工程系，讲师

1996.07-1997.09 西藏军区总医院，设备科，工程师

v 研究方向

随着以CT、MRI、PET为代表的医学成像技术的飞速发展，医学图像已成为临床精确诊疗的必需。如何得到更清晰的图像并从海量的图像数据中提取有用的信息，为重大疾病的预测、辨识和精确诊疗提供及时有效的依据和决策支持，具有重要价值和迫切需求，亟待解决的科学问题。医学图像分析一直以来都致力于解决此问题，并且是生物医学工程学科中的重要的研究方向之一。

申请人从事医学图像分析的研究工作多年，在前列腺医学图像分割、脑部图像分析、跨模态图像映射、基于图像及基因数据的癌症预后预测研究及医学图像应用系统研发等方面取得了系列创新。一作/通讯作者SCI论文70篇（中科院1区40篇）。论文被引用6000多次，H指数 42 (Researchgate)。
   申请人重视成果转化，获国家发明专利20余项，医疗器械注册证1 项。
   主持研发《功能化PACS系统》、《高维医学图像分析系统》、《PET-CT分析系统》、《肿瘤类型识别系统》等多个医学图像应用软件系统，申请人拥有上述系统的软件著作权，并有多个专利在系统中得到应用。上述软件产品累计销售4000万元并以此为依托孵化高新企业1家。最新主持研发的医学图像浏览软件cfViewer已上线。（http://www.cfviewer.com/）

v 主要学术任职

教育部生物医学工程教学指导委员会	委员
广东省生物医学工程教学指导委员	主任委员
中国生物医学工程学会医学影像信息与控制分会	前主任委员
中国图形图像学会	常务理事
中国医学影像AI产学研用创新联盟	常务理事
Physics in Medicine & Biology期刊	咨询委员会成员
东南大学	客座博士生导师
天津大学生物医学工程专业指导委员会	委员

2014年:中国医学图像计算青年学会       发起成立人   （活跃会员：2500人）

2016年:第三届医学图像计算青年研讨会    大会主席     （320人参会）

2016年:中国生物医学工程联合学术年会    组织委员会主任(300人参会)

2019年: MICCAI 2019 当地组织主席 （2500人参会）

v 主要获奖情况（科研获奖、人才类奖项）

² 科研奖励

² 教学奖励

1、国家教学成果二等奖，第三完成人，2014。

2、广东省教学成果一等奖，第三完成人，2014。

v 主要科研课题

国家基金委天元重点基金       2021.01-2025.12

国家自然科学面上基金         2020.01-2023.12

国家基金委-广东联合重点基金  2016.01-2019.12

国家自然科学面上基金         2014.01-2017.12

国家科技支撑计划课题         2012.01-2014.12

国家863项目课题              2012.01-2014.12

国家973项目课题              2010.01-2014.12

国家自然科学青年基金         2010.01-2012.12

v 代表性论文

1. Pang S, Lu Z, Jiang J, et al. Hippocampus Segmentation based on Iterative Local Linear Mapping with Representative and Local Structure-preserved Feature Embedding[J]. IEEE transactions on medical imaging, 2019.

2. Zhou Y, Sun Y, Yang W, et al. Correlation-weighted sparse representation for robust liver DCE-MRI decomposition registration[J]. IEEE transactions on medical imaging, 2019.

3. Yang W, Zhong L, Chen Y, et al. Predicting ct image from mri data through feature matching with learned nonlinear local descriptors[J]. IEEE transactions on medical imaging, 2018, 37(4): 977-987.

4. Pang S, Su Z, Leung S, et al. Direct automated quantitative measurement of spine by cascade amplifier regression network with manifold regularization[J]. Medical image analysis, 2019, 55: 103-115.

5. Yang W, Chen Y, Liu Y, et al. Cascade of multi-scale convolutional neural networks for bone suppression of chest radiographs in gradient domain[J]. Medical image analysis, 2017, 35: 421-433.