Researcher Details
研究员详情
郑瑞沣 讲师
郑瑞沣，工学博士，杭州电子科技大学网络空间安全学院讲师。2024年获浙江大学电子科学与技术专业博士学位，并于同年7月入职杭州电子科技大学。本科、硕士研究生就读于北京理工大学信息与电子学院。研究生毕业后曾就职于深圳中兴通讯、杭州华三通信技术有限公司，而后在浙江大学信息与电子工程学院智能安全与泛在计算实验室完成博士学位攻读。研究方向：医学图像处理，脑电信号分析，人工智能生成图像鉴别。在IEEE Transactions on Medical Imaging、IEEE Transactions on Consumer Electronics等国内外期刊、会议上发表论文7篇。
研究方向：
医学图像处理
研究工作：
医学图像处理
1.基于自监督学习的对腹部CT影像中的器官的分割
学术成果：在期刊IEEE Transactions on Medical Imaging（IF=10.048）上以一作发表文章，MsVRL: Self-Supervised Multiscale Visual Representation Learning via Cross-Level Consistency for Medical Image Segmentation，DOI: 10.1109/TMI.2022.3204551IF: 8.9 Q1
2.针对局灶性皮质发育不良癫痫病灶的多模态检测算法
学术成果：在期刊Seizure: European Journal of Epilepsy上以一作发表文章，Automated detection of focal cortical dysplasia based on magnetic resonance imaging and positron emission tomography，DOI: 10.1016/j.seizure.2024.02.009。
脑电信号处理
1.基于EEG信号的稀疏通道癫痫发作预测算法
学术成果：文章Zheng R, Liu Y, Shen H, Ye L, Chen C, and Huang K. EEG-based Epileptic Prediction via a Twostage Channel-aware Set Transformer Network 已投稿期刊IEEE Transactions on Cognitive and Developmental Systems。
2.基于神经网络的脑电溯源研究
头皮脑电信号是大脑电活动经过大脑组织、颅骨后在头皮上的测量值。通过头皮脑电信号溯源大脑电活动对临床医学、认知研究都有重要意义。由于脑电溯源是一个非适定的问题，传统的脑电溯源方法的不足有计算时间开销大、难以找到完全表达脑源属性的先验正则项等。故而，近年来使用神经网络执行脑电溯源任务成为一个新的技术路线。探索如何在时、空域上对头皮脑电信号进行处理从而完成溯源具有较大研究意义。
AI生成图像鉴别
1.可解释性研究
计算机视觉和深度学习技术飞速发展，目前以生成对抗网络和生成扩散模型为代表的人工智能生成(AIGC)技术已经能够生成逼真的图像。及时、有效地鉴别在互联网上恶意传播的虚假图像、视频对维护国家网络空间安全、保护人民群众生命财产安全具有重大意义。在全球Deepfake攻防挑战赛等产业界主办的竞赛中，名列前茅的解决方案采用通用的图像处理模型（如ConvNext、Efficientnet等）进行端到端的训练得到鉴别模型。但是，通用模型在可解释性上存在不足，进而带来两方面的问题。一方面是无法得到判伪的依据，无法定位伪造的具体位置。另一方面是无法通过模型的可解释性设计得到更适用于生成鉴别任务的通用模型。故而，亟需开展针对生成鉴别神经网络的可解释性研究。
代表性论文：
[1] Gong Y, Zhang Z, Yang Y, Zhang S, Zheng R, Li X, et al. Prediction of Pharmacoresistance in Drug-Naïve Temporal Lobe Epilepsy Using Ictal EEGs Based on Convolutional Neural Network已被期刊Neuroscience Bulletin接收。
[2] Feng Z, Guan C, Zheng R, Sun Yu. STARTS: A self-adapted spatio-temporal framework for automatic E/MEG source imaging[J]. IEEE Transactions on Medical Imaging, 2024.
[3] Zheng R, Chen R, Chen C, Yang Y, Ge Y, Ye L, Miao P, Jin B, Li H, Zhu J, Wang S, and Huang K. Automated detection of focal cortical dysplasia based on magnetic resonance imaging and positron emission tomography[J]. Seizure: European Journal of Epilepsy, 2024
[4] Zheng R, Huang K, Shen H, and Ma L. Continuous Volumetric Convolution Network With Self-Learning Kernels for Point Clouds[J]. IEEE Transactions on Consumer Electronics, 2022, 69(2): 148-155.
[5] Zheng R, Zhong Y, Yan S, Sun H, Shen H, and Huang K. MsVRL: self-supervised multiscale visual representation learning via cross-level consistency for medical image segmentation[J]. IEEE Transactions on Medical Imaging, 2022, 42(1): 91-102.
[6] 郑瑞沣, 陈志铭, 刘自成. 一种用于北斗导航接收机的全集成差分 LNA[J]. 微电子学, 2016 (1): 22-24.
[7] Liu Z, Zheng R, Sun J. A gate-oxide-breakdown antifuse OTP ROM array based on TSMC 90nm process[C]//2015 International Symposium on Next-Generation Electronics (ISNE). IEEE, 2015: 1-3.