近年来，人工智能的核心学科——计算机视觉技术在医疗领域的作用不断凸显，尤其是在医学影像领域，因为图像信息是医学诊断的关键要素，X光、核磁共振、CT等图像能够帮助医生快速了解患者的病情，并做出相应的诊断。
科学家们通过训练机器，让计算机可以与人类一样，分析和理解图像或视频，新冠疫情的爆发期间，科学家们还开发出算法观测患者的感染情况，也让大众对这一学科的关注度水涨船高。
你是否好奇过
科学技术是如何彻底改变了生物医学图像分析领域？
医疗影像人工智能技术未来会如何发展？
牛津终身教授为你解答
Jens Rittscher教授在计算机视觉和模式识别研究方面有20多年的经验，他是牛津大学工程学终身教授。他也是生物医学工程研究所和纳菲尔德医学院的第一个联合任命教授。
Jens Rittscher牛津大学终身教授
牛津大学工程学终身教授
牛津大学生物医药工程研究所和纳菲尔德医学院首个联合任命教授
牛津大学Target Discovery研究所生物医药成像研究组主任
前通用电气全球研究中心资深高级研究员/项目经理
美国伦斯勒理工学院客座教授
论文引用累积4424次，h指数30，i10指数55
此外，他是美国历史最悠久的理工大学伦斯勒理工学院的客座教授。
同时，Jens Rittscher教授也是癌症路德维希研究所和惠康人类基因组学中心的成员。
Jens Rittscher教授
在癌症路德维希研究所的研究团队
自2018年以来，他在牛津大数据研究所Oxford Big Data Institute带领一组研究团队，研究通过分析在微观尺度上获得的图像数据，增强我们对复杂生物过程的理解。
Jens Rittscher开发了算法和方法，能够量化广泛的表型变化，精确定位信号事件，并能够在生物样本的背景下关联这些事件。该算法的开发需要有对更广泛的应用环境有更深度的理解。
在2013年加入牛津大学之前，2001年至2013年间，Jens Rittscher教授是通用电气全球研究中心的高级研究科学家和项目经理，该研究院是世界上最大和最多样化的工业研究实验室之一。
在生物医学成像领域，Jens Rittscher教授的研究范围多样，从细胞过程监测和计算病理学到斑马鱼成像解剖图谱的开发都有涉及。
Jens Rittscher教授也是IEEE成员，并当选为IEEE SPS生物图像和信号处理技术委员会成员。
不断的钻研、不停的耕耘后，Jens Rittscher教授在计算机视觉方面的研究获得了国际认可。他带领着研究小组致力于推进计算机视觉、医学成像和机器学习技术，特别是借助深度学习方法开发新的算法和计算工具来改进早期诊断，了解疾病的分子基础。
教授与我们@CIS
今年夏天，Jens Rittscher教授来到了中国，将对计算机视觉的先进理解和知识技术带给了国内的学员们，他用Python作为编程语言，带领学员们探索机器学习在环境中的应用。
平易近人的他，在课下也会耐心地一一回答学员们课上没有弄懂的问题，帮助学员们开启计算机视觉的大门。
跟随牛津终身教授做科研是什么感受？
探索前沿计算机视觉领域
听听学员们都是如何评价的呢？
01、A同学：
“是很难忘的一次经历哈哈！第一次做这种类型的学术项目，所以刚开始非常紧张😆。后来发现大家都很nice！教授特别和善，在课上会一遍遍帮我和其他组员讲解每周遇到的问题，鼓励我们发言，presentation完也会给出很多改善建议和问题尽量帮助我们做得更好，对小组的论文写作也进行了非常细致的指导和帮助。
助教在新接触到的学科领域教了我很多新东西，特别热心，回复消息和发相关资料都很及时，每次上完助教课对目前要做的事都会有更深的的理解。
组长和组员非常nice，虽然都是专业领域的大牛但是人特别随和，大家一起讨论问题和方法进展的时候也很热烈。组里学术氛围很浓重，讨论的时候气氛也很愉快，所以解决各种问题的速度也很快。总的来说过程特别顺利也收获了很多🌹😊
个人方面感觉对大学和未来想学的专业有了更深的理解和想法，在项目过程中也锻炼到了很多方面的学术能力，体会到了和跟自己有很大差距的组员合作带来的压力和动力，最后也做出了自己很满意的成果特别开心。”
02、B同学：
“这次上课体验还挺神奇的，感觉教授最开始的时候也比较认生😂后面多上了几节课之后大家放得更开了，和教授之间的互动也越来越多，整个氛围都挺好的。
助教崔哥也一直都很nice很helpful！
后续项目阶段教授的feedback也很有建设性，很关键！和教授聊天的时候也会感觉很inspiring。很多之前觉得迷惑的地方都得到了答案。
我的队友们也都很赞很配合！
对于整个课程的建议的话，我比较希望就是每个项目的能有个专门比较具体的选修课的list（这个可以由这个课的助教来决定？TA会比较熟悉课程内容）这样大家可以根据自己当前的能力进行抉择。因为学生的基础不太一样的话，感觉课程的会出现和自己专业不相关的地方，如果到时候再理解的话，就会有点艰难，如果选修课先打下基础的话，可能会好一些。还有就是先修课可以考虑加个机器学习入门，感觉很多课都会用到。”
03、M同学：
“1、超喜欢教授的上课风格，助教课真的是及时雨🤣，有时上完教授课有点云里雾里的，因为没啥计算机视觉的基础，助教课把基础补充一下真的是帮大忙了，哈哈哈。整体感觉是有点难的，对于零基础的我来讲，主要难点是计算机视觉这方面的基础知识，了解原理之后敲代码就简单多了🤣
2、两个月下来收获颇多，感觉对医学图像也更感兴趣了，也许以后会考虑申请这方面的。对医学图像处理有了个整体的了解，感觉论文写作也进步了，知道怎么来critical thinking。
3、最大的挑战，就是最后的小组项目，因为没啥这方面的经验，我们就从头开始学，先了解数据集，再学习原理，看文献综述，来一点点推进项目。
4、给未来小伙伴的建议就是，最好有个编程基础再来学，真心推荐提前看看教授论文，大致了解一下整个专业的背景，并且是真的感兴趣，这样才能越学越好。”
Jens Rittscher教授的课题组成员在申请季也成功收到了剑桥大学、宾夕法尼亚大学、帝国理工学院等英美名校的录取通知书。
Jens Rittscher教授最新实地课题
