南昌大学教师个人主页刘且根

个人信息

姓名：刘且根

国籍：中国

性别：男

毕业院校：上海交通大学

职称：教授

学位：博士

职称类别：正高级

导师类型：博士生导师

岗位类别：信息工程学院执行院长、人工智能工业研究院院长

岗位级别：教学科研岗4级

电子邮件：liuqiegen@ncu.edu.cn

所在单位：信息工程学院

办公地址：信工楼E302室

个人信息

刘且根。国家优青基金获得者，教授/博导。IEEE Senior member，南昌大学信息工程学院执行院长、人工智能工业研究院院长。

科学研究致力于智能成像与视觉显示的系统开发与算法研究，合作发表IEEE Trans和成像与视觉显示权威期刊论文共80余篇, Google scholar论文引用数为3000。参编专著及教材5部。为IEEE和中国体视学学会等数十个国内外学术组织的专委会委员，CT理论与应用研究等多个期刊的编委。获批主持国家级、省部级、企业合作项目20余项。主持国家重点研发计划课题、国家优秀青年科学基金、国家自然科学基金、江西省自然科学基金项目、江西省杰出青年人才项目、江西省重点研发计划项目等。

人才培养获2022年江西高校省级示范研究生导师创新团队，2022年第二届江西普通高校金牌教师（教学名师）。以第一指导老师身份指导学生获中国国际互联网+创新创业大赛国赛金奖、铜奖，首届全国高校“人工智能+”大学生创新创业创造大赛一等奖，研究生电子设计大赛全国一等奖、三等奖、优秀论文奖，指导学生获生物医学工程学会青年优秀论文研究生奖、“计算成像技术与应用”会议最佳海报奖。指导学生获省优秀硕士学位论文8次，获国家级、省级奖学金30余次。

研究方向涉及成像重建与视觉显示的普适性表示理论研究，针对特定场景或系统的信号处理、信息表示研究；涉及医学成像系统、光电成像系统、VR显示系统的轻型便捷式设计与搭建；涉及图像生成、特征融合和信息通信等应用；涉及基于生成学习建模的计算机视觉表示与显示、VR全息显示、光电成像等。

欢迎集成电路、新一代信息技术、信息与通信工程、人工智能、自动化、计算机、生医工等相关专业报考研究生加入团队。

教育经历

[1] 200903-201203 上海交通大学博士研究生

[2] 200609-200903 上海交通大学硕士研究生

[3] 200109-200507 赣南师范学院大学本科

[4] 200109-200507 赣南师范学院本科

[5] *-201203 上海交通大学博士研究生

工作履历

[1] 2020/12-至今南昌大学教授南昌大学

[2] 2016/05-2017/07 加拿大卡尔加里大学博士后加拿大卡尔加里大学

[3] 2015/02-2016/03 美国伊利诺大学香槟分校博士后美国伊利诺大学香槟分校

[4] 2015/02-2013/10 南昌大学校聘副教授南昌大学

[5] 2012/04-2013/09 南昌大学讲师南昌大学

科研项目

人体组织结构功能特征无创检测和信息提取的关键技术

华为-无透镜技术合作项目

面阵dToF（直接飞行时间）激光雷达模组的研发

脊椎椎体骨质疏松性骨折诊疗关键技术研究及应用

PET高级图像重建算法插件开发

赣锋锂业基于5G专网+MEC的智慧锂电工厂

高层语义与低层细节驱动下大数据深度学习的磁共振快速成像及分析关键技术

先验信息表示与医学成像重建

江西省肿瘤医院乳腺癌AI辅助诊断平台

基于相关性准则和参数优化策略的彩色图像灰度化关键技术研究

基于字典学习理论的快速高分辨率磁共振成像关键技术研究

刘且根杰出青年人才资助计划项目

基于不相关准则和稀疏表示的图像卡通-纹理分解研究

基于字典学习的快速高分辨率磁共振成像重建方法研究

基于人工智能的医学影像后处理方法专利转让

CS-MRI交互式可视化教学软件

一种基于图正则化稀疏编码的磁共振超欠采样K数据成像方法

一种基于两步参数子空间优化的彩色图像灰度化方法

基于增广拉格朗日快速迭代的图像处理软件

面向可解释性高维度卷积网络表示的快速磁共振成像研究

基于深度学习的图像融合及其逆问题关键技术研究

大数据下无监督网络深度学习的磁共振快速成像关键技术

科研成果

致力于智能成像、通信与视觉显示的系统开发与算法研究，合作发表IEEE Trans和权威期刊论文共80余篇, Google scholar论文引用数为3000。为IEEE和中国体视学学会等数十个国内外学术组织的专委会委员，CT理论与应用研究等多个期刊的编委。主持或完成国家自然科学基金4项。参编专著及教材5部。

[1] Q. Liu, H. Leung. Variable augmented neural network for decolorization and multi-exposure fusion, Information Fusion, vol. 46, pp.114-127, 2019. (SCI, JCR 1, IF: 13.67)

[2] M. Zhang, M. Li, J. Zhou, Y, Zhu, S. Wang, D. Liang*, Y. Chen, Q. Liu*. High-dimensional embedding network derived prior for compressive sensing MRI reconstruction, Med. Image Anal., vol. 64, 101717, 2020. (SCI, JCR 1, IF: 11.148)

[3] S. Li, B. Qin, Q. Liu*, Y. Wang, D. Liang*, Multi-channel and multi-model based autoencoding prior for grayscale image restoration, IEEE Trans. Image Process., vol. 29, 142-156, 2020. (SCI, JCR 1, IF: 9.34)

[4] Q. Liu, Q. Yang, H. Cheng, S. Wang, M. Zhang, D. Liang*, Highly undersampled magnetic resonance imaging reconstruction using autoencoding priors, Magn. Reson. Med., vol. 83, no. 1, pp. 322-336, 2020. (SCI, JCR 1, IF: 3.8)

[5] Z. He, Y. Zhang, Y. Guan, B. Guan, S. Niu, Y. Zhang, Y. Chen, Q. Liu*, Iterative reconstruction for low-dose CT using deep gradient priors of generative model, IEEE Trans. Radiat. Plasma Med. Sci., vol. 7, no. 3, pp. 218-230, 2022. (SCI, IF: 2.02)

[6] F. Zhang, M. Zhang, B. Qin, Y. Zhang, Z. Xu, D. Liang, Q. Liu*, REDAEP: Robust and enhanced denoising autoencoding prior for sparse-view CT reconstruction, IEEE Trans. Radiat. Plasma Med. Sci., vol. 5, no. 1, pp. 108-119, 2021. (SCI, IF: 2.02)

[7] Jin Li, Wanyun Li, Zichen Xu, Yuhao Wang, Qiegen Liu, Wavelet Transform-assisted Adaptive Generative Modeling for Colorization, IEEE Transactions on Multimedia, vol. 7, no. 3, pp. 218-230, 2022.

[8] Q. Liu, K. Yang, J. Luo, Y. Zhu, D. Liang. Highly undersampled magnetic resonance image reconstruction using two-level Bregman method with dictionary updating, IEEE Trans. Med. Imag., 32 (7): 1290-1301, 2013. (SCI, JCR1, IF: 7.82)