姓名：倪东
行政职务：生物医学工程与信息学院院长
科学研究方向：医学图像计算的研究、临床应用及产业转化
联系方式：
邮箱：nidong@njmu.edu.cn
个人简介：
长期聚焦于智能超声研究与转化，主持国家重点研发计划、国自然重点(天元交叉重点专项)、国自然面上等各类项目18项；在MedIA(18篇)、TMI(11篇)、Nature Communications(1篇)等发表论文200余篇；研究转化成果获5项NMPA认证，获盖茨基金会捐赠千万元。
奖项及荣誉：
1.中国妇幼健康科学技术奖三等奖，影像介导女性生殖疾病精准诊疗的关键技术体系建立及应用，证书编号2023-K-F-9-04，2023年9月26日，第四完成人。
学术兼职：
担任人工智能医疗影像国际顶会MICCAI董事会前成员及领域顶刊IEEE TMI副主编
承担科研课题：
1.江苏省前沿技术研发计划，BF2024078，医学超声多模态基础大模型关键技术研发，2024.09-2027.09，500万，在研，主持
2.国家重点研发计划项目，2019YFC0118300，智能医学超声前沿理论、关键技术及临床应用研究，2019.12-2021.12，429万，已结题
3.国家自然科学基金数学天元基金（重点）项目，12326619，多模态医学超声基础大模型及其应用，2024.01-2025.12，40万，在研，主持
4.国家自然科学基金面上项目，62171290，基于多视角自注意力机制的产前超声智能辅助扫查方法，2022.01-2025.12，79.5万，在研，主持
5.国家自然科学基金面上项目，61571304，基于个性化形变模型与混合模糊相似度的前列腺多模图像非刚体部分配准方法研究，2016.01-2019.12，79.7万，已结题，主持
6.国家自然科学基金青年项目，61101026，胎儿颜面部三维超声标准切面自动提取方法研究，2012.01-2014.12，22万，已结题，主持
近五年代表性论文：
1.Jun Cheng, Zhi Han, Rohit Mehra, Wei Shao, Michael Cheng, Qianjin Feng, Dong Ni*, Kun Huang*, Liang Cheng*, Jie Zhang*. Computational analysis of pathological images enables a better diagnosis of TFE3 Xp11.2 translocation renal cell carcinoma. Nature Communications, 2020, 11: 1178
2. Yuhao Huang, Xin Yang, Lian Liu, Han Zhou, Ao Chang, Xinrui Zhou, Rusi Chen, Junxuan Yu, Jiongquan Chen, Chaoyu Chen, Haozhe Chi, Xindi Hu, Deng-Ping Fan, Fajin Dong*, Dong Ni*. Segment Anything Model for Medical Images?. Medical Image Analysis. 2023, 92:103061
3.Zejian Chen, Wei Zhuo, Tianfu Wang, Jun Cheng, Wufeng Xue*, Dong Ni*. Semi-Supervised Representation Learning for Segmentation on Medical Volumes and Sequences. IEEE Transactions on Medical Imaging.2023
4.Xin Yang#, Haoran Dou#, Ruobing Huang, Wufeng Xue, Yuhao Huang, Jikuan Qian, Yuanji Zhang, Huanjia Luo, Huizhi Guo, Tianfu Wang, Yi Xiong*, Dong Ni*. Agent with warm start and adaptive dynamic termination for plane localization in 3D ultrasound. IEEE Transactions on Medical Imaging, 2021.3.30, 40(7): 1950-1961
5.Xing Tao, Yan Cao, Yanhui Jiang, Xiaoxi Wu, Dan Yan, Wen Xue, Shulian Zhuang, Xin Yang, Ruobing Huang*, Jianxing Zhang*, Dong Ni*.Enhancing lesion detection in automated breast ultrasound using unsupervised multi-view contrastive learning with 3D DETR. Medical Image Analysis. 2025.1.18，101:103466