个人简介：江少锋，男，1978年5月出生，南昌航空大学仪器科学与光电工程教授。

研究方向：人工智能、医学图像处理

电子邮件：jsphone@163.com

教育经历：

[1] 2013.10–2014.10, 美国堪萨斯大学, 生物医学工程, 访问学者

[2] 2005.9–2008.6, 南方医科大学, 生物医学工程, 博士

[3] 2002.9–2005.7, 南昌航空工业学院, 测试计量仪器及技术, 硕士,

[4] 1995.9–1999.7, 北京航空航天大学, 电子工程, 学士

工作经历：  

[1] 2020.12-, 南昌航空大学, 生物医学工程系, 教授

[2] 2018.11-2021-11，江西博微新技术有限公司，博士后

[3] 2009.1-2020.12, 南昌航空大学, 生物医学工程系, 副教授

[4] 2005.1-2008.12, 南昌航空大学, 电子工程系, 讲师

主持或参与的代表性科研项目

[1] 国家档案局面上项目，复杂扫描文档文本检测和识别研究，2023.5-2025.5,主持

[2] 国家自然科学地区基金，62261039，跨数据脑部MRI图像脑组织提取研究，2023.01.01-2026.12.31，主持

[3] 江西省自然科学基金， 20192BAB205083，基于U-NET深度学习网络的脑组织多方向提取及多场STAPLE融合研究，2019.01.01-2021.12.31，主持

[4] 中国博士后基金，2019M652270，基于Faster RCNN的复杂文档自动划分和分类技术研究，主持

[5] 江西省重点研发项目一般项目，20171BBG70052，基于自动血涂片显微图像的白细胞智能五分类研究，2017.07.01-2020.06.30，主持

[6] 国家自然科学地区基金，61162023、基于活动区域轮廓模型的脑部磁共振图像脑组织提取研究，2012/1-2015/12，主持

[7] 江西省自然科学基金，20114BAB211023，基于活动感兴趣区域的脑部磁共振图像脑组织提取研究，2012/1-2013/12，主持

代表性论文（10篇以内）：

[1] Liangli Xiong, Chen Yi, Qiliang Xiong, Shaofeng Jiang*; SEA-NET: medical image segmentation network based on spiral squeeze-and-excitation and attention modules. BMC medical imaging, 2024, 24(1):1-10

[2] Shaofeng Jiang, Xingyan Chen, Chen Yi; SSA-UNet: Whole brain segmentation by U-Net with squeeze-and-excitation block and self-attention block from the 2.5D slice image.IET image processing, 2024, 18（6）:1598-1612

[3] Jiang, Shaofeng*; Guo, Lanting; Cheng, Guangbin; Chen, Xingyan; Zhang, Congxuan; Chen, Zhen. Brain Extraction From Brain MRI Images Based on Wasserstein GAN and O-Net. IEEE Access, 2021, 9: 136762-136774.

[4] Jiang, Shaofeng*; Guo Lanting; Yang Suhua. Brain Tissue Extraction from Cerebral MRI Volume Based on Generative Adversarial Networks Basic & Clinical Pharmacology & Toxicology, 2020, 126(s1): 43-44.

[5] Shaofeng Jiang, Yu Wang, Xuxin Zhou, Zhen Chen and Suhua Yang. Brain Extraction Using Active Contour Neighborhood-Based Graph Cuts Model, Symmetry, 2020, 12(559): 1-14. 

[6] Shaofeng Jiang, Guo Lanting, Yang Suhua. Brain tissue extraction form cerebral MRI Volume based on generative adversarial networks. Basic & Clinical Pharmacology & Toxicology, 2020, 126:43-44.

[7] Automatic classification and recognition of complex documents based on Faster RCNN, In Proceedings of the 14th International Conference on Electronic Measurement & Instruments.

[8] Improved Faster RCNN for White Blood Cells Detection in Blood Smear Image, In Proceedings of the 14th International Conference on Electronic Measurement & Instruments.

[9] Detection of White Blood Cells Using YOLOV3 Network, In Proceedings of the 14th International Conference on Electronic Measurement & Instruments.

[10] 江少锋、赵鹏、杨素华，并行马尔可夫随机场计算变分光流方法，中国图象图形学报, 2018, 23(12): 1852-1863