一、教育、工作经历：

2023年5月-至今 东莞理工学院 生命健康技术学院 讲师；

2018年9月-2023年4月 东北大学 生物医学工程 博士；

2016年9月-2018年6月 东北大学 电子与通信工程 硕士；

2010年9月-2014年6月 山东师范大学 电子信息工程 学士。

二、研究领域：

1.医学图像处理，主要包括超声、MRI等医学影像的分割、分类及多模态医学图像融合技术研究等；

2.乳腺癌智能诊断技术，主要包括基于深度学习的乳腺癌医学影像智能辅助诊断和临床辅助诊疗决策等技术研究；

3.智能影像组学，主要包括使用基于深度学习的影像组学技术，针对甲状腺癌超声图像或融合病理图像，展开甲状腺癌的预测模型研究。

三、主要业绩：

发表学术论文8篇，其中，以一作或共同一作身份发表SCI论文4篇、EI论文1篇；授权国家发明专利1项；受邀担任IOP旗下PMB、MST等SCI期刊审稿人，并被评为IOP 2022年度Outstanding Reviewer

四、代表性研究成果(#为共同一作)：

1.Shen X Y, Ma H*, Liu RB, et al. Lesion segmentation in breast ultrasound images using the optimized marked watershed method[J]. Biomedical engineering online, 2021, 20(1): 1–23.

2.Shen X Y Wu XR, Liu RB, et al. Accurate segmentation of breast tumor in ultrasound images through joint training and refined segmentation[J]. Physics in Medicine & Biology, 2022, 67(17): 175013.

3.Shen X Y, Wang LY, Zhao Y, et al. Dilated transformer: residual axial attention for breast ultrasound image segmentation [J]. Quantitative imaging in medicine and surgery, 2022, 12(9): 4512-4528.

4.Shen X Y, Liu J X, Li H, et al. A Novel Lesion Segmentation Method based on Breast Ultrasound Images[C]. Proceedings of the 2019 4th International Conference on Biomedical Imaging (ICBSP’19), 2020, (7): 32–38.

5.Zhao Y^#, Shen X Y^#, Chen J D, et al. loss for low-contrast medical image segmentation[J]. Machine Learning: Science and Technology, 2024, 5(1): 015013.

6.鲍喜荣, 沈晓燕, 张石,等. 基于改进DMAS的平面波超声成像算法及其GPU实现[J]. 东北大学学报：自然科学版, 2019, 40(7):7.

7.鲍喜荣，沈晓燕，张石，佘黎煌.一种基于改进 DMAS 算法的超声平面波成像方法[P]. 中国，发明授权，201810573085.0. 2021-03-02.