个人简介-谢伟浩
谢伟浩
- GitHub：weihaoxie
- email：weihaoxie2014@gmail.com
教育背景
2013/09-2016/07 广东工业大学 计算机科学与技术 硕士
2009/09-2013/07 广东工业大学 网络工程 本科
工作经历
2018/09—-至今 零氪医疗智能科技（广州）有限公司（Linkdoc） 算法工程师
- 工作岗位： 医疗影像核心算法研发
- 主要职责： 负责肺部智能辅助诊断系统中肺结节检出及肺结节良恶性识别算法研发，提高肺结节检出的召回率和精度，以及肺结节良恶性识别的敏感度和特异度。
2017/07—-2018/08 连尚网络科技（广州）有限公司（wifi万能钥匙） 算法工程师
- 工作岗位： wifi万能钥匙feed流推荐
- 主要职责： 负责热门短视频的挖掘以及老用户的个性化推荐，加速热门视频的挖掘和提高老用户的点击率。
2016/02—-2017/07 深圳市深网视界科技有限公司（商汤科技子公司） 算法工程师
- 工作岗位： 人群产品线算法研发
- 主要职责： 根据业务需求对人群密度估计及人群跨线计数进行优化。
项目经历
2019/10-至今 肺结节良恶性识别
- 项目背景： 肺癌自动识别对提高医生诊断效率、缓解医疗资源紧缺具有重要意义，数据稀少、只有整个CT的标签、CT数据的3维特性将识别任务变成3D目标的多示例学习问题，结节形态的多样性和良恶结节的细微差异进一步给识别带来困难，在此情况下需要模型对结节维度良恶性具有高敏感度和特异度。
- 主要工作： 根据业务逻辑对现有的数据集和性能评价方式进行调整，让线下的性能能够更客观的反应实际应用中的算法性能。采用基于3D卷积神经网络的图像分类(3D U-Net + 3D WideResnet)、迁移学习、多示例学习、多模型融合等技术，提高良恶性识别的性能。在以医院1个自然月的数据构建的测试集上，AUC提高6.5%。
2018/09-2019/09 肺结节检出
- 项目背景： 肺结节检出是结节属性分析和结节良恶性识别的重要环节，是整个肺部智能诊断系统最核心的功能。CT数据的3维特性、结节尺度变化大、形态的多样、数据中存在较大噪声增加了检出的难度，在此情况下要求模型具有高召回率及较高的精度。
- 主要工作： 采用基于3D卷积神经网络的目标检测（3D U-Net+RetinaNet）方法，结合在线困难样本挖掘技术、克服噪声数据的相关技术和解决尺度跨越大的目标检测技术，对检出效果提升明显，并在此基础上，采用基于3D卷积神经网络的图像分类（3D CNN\WideResnet）技术开发假阳抑制模型，并将假阳抑制模型与检出模型进行融合，进一步提高模型的召回率和精度。在中检院的NMPA测试中，精度提高1.1%，召回提高9.2%。
2017/07-2018/08 wifi万能钥匙feed流推荐
- 项目背景： 使用个性化推荐技术提高用户粘度和用户停留时间，对提升用户体验、提高广告收入具有重要的意义。
- 主要工作： 基于深度学习技术(ResNet、Word2Vec)开发基于图片及标题的ctr预测模型，用于预测新视频的热门程度，挖掘热门视频，进而提高新老用户的停留时间；采用传统的协同过滤算法(BPR排序算法)，基于深度学习的个性化推荐方法（CDL、NCF）提升老用户的点击率。
2017/02-2017/07 人群跨线计数
- 项目背景： 分析视频序列中每个人的运动轨迹，统计单位时间内跨过预定义线段的上行和下行的人流量，对客流分析具有重要的价值。
- 主要工作： 改进基于检测（Faster-RCNN）跟踪（卡尔曼滤波）框架的人群流量统计，解决在跳帧时轨迹断开以及由于漏检，使得跟踪连接不上的问题；针对头肩检测模型在不同的应用场景中存在的问题（如视角、光照、遮挡带来的问题），收集相关数据，提升头肩检测模块的准确率，进而提升整体的计数效果。
2016/07-2016/12 人群密度估计
- 项目背景： 监测视频序列中人群的密度变化，对高密度人群进行实时预警，可协助相关人员进行人流的管控，提高公共空间的安全性。
- 主要工作： 采用模型压缩技术、性能优越的小模型(SqueezeNet、Enet)、迁移学习等技术在保持准确率基本不变的情况下减少显存占用率，提升人群密度估计算法的速度，进而让模型能够支持单个GPU跑更多路视频序列；针对在实际应用中存在的问题（如视角带来的问题），对模型进行优化。
学术情况
- 论文《RIC-Unet:AnImproved Neural Network Based on Unet for Nuclei Segmentation in Histology Images》被IEEE Access (SCI二区) 录用
- 论文《基于多尺度时间递归神经网络的人群异常检测》被软件学报录用
- 论文《基于递归神经网络局部建模的人群异常事件检测》被电子学报录用
- 专利《基于时间递归神经网络的人群异常检测和定位系统及方法》已公布
- 专利《一种基于深度学习的恐慌度计算方法和装置》 已公布
- 专利《基于递归神经网络建模的无监督人群异常监测及定位方法》 已公布
- 专利《基于行为时间序列的社交网络因果关系发现算法》已公布
比赛经历
- 参加MICCAI（医学图像处理顶级会议）2018病理细胞分割比赛（CPM）取得第三名的成绩，跟第一名的差距只有0.007。受邀去西班牙参加MICCAI2018做presentation。
转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论，也可以邮件至 524813168@qq.com
