现在位置：首页 >> 人员介绍 >> 单善善 个人主页                                                                                                                                              [English]  
 
 
 
单善善
  
 
 

单善善，硕士生导师、副教授
苏州大学优秀青年学者
电子邮箱：ssshan[AT]suda.edu.cn
通讯地址：苏州工业园区仁爱路199号, 邮编215123

  
 
         2011-2015年在南京理工大学通信工程专业学习并获得工学学士学位。2017年获国家留学基金委资助赴澳大利亚昆士兰大学攻读生物医学工程专业博士学位，2020年至2022年在悉尼大学从事博士后工作，并于2022年底获苏州大学优秀青年学者。主要研究领域是核磁共振图像形变矫正，非线性图像重建算法的开发与应用，以及基于人工智能方法的快速成像算法的研究。长期致力于通过开发新的成像算法，提高核磁共振成像的精确性，应用于以精准核磁共振图像为实时引导的临床疾病治疗。曾获得2022年美国物理医学协会（AAPM）最佳物理学奖（Best in Physics，top 0.5%），昆士兰大学2021年优秀博士论文提名（Dean’s Award Recommendation）, 2019年昆士兰大学Richard Jago Memorial Prize奖金，以及多次获得国际磁共振年会（ISMRM）教育奖金（Trainee stipend）。曾担任澳大利亚核磁共振和线性加速器联合项目(MRI-Linac，2500万澳元)的快速图像形变矫正组负责人 （https://ausmrigrt.com/the-university-of-sydney/），在磁共振领域权威期刊发表论文近10篇，国际会议论文近20篇。  
 
  个人简历  
    2022.11 - 至今     苏州大学放射医学与防护学院，副教授
    2020.11 - 2022.08 澳大利亚悉尼大学ACRF ImageX 研究院，博士后研究员
    2017.01 - 2021.01 澳大利亚昆士兰大学信息技术与电子信息学院，生物医学工程，博士研究生
    2013.08 - 2014.02 美国亚利桑那州立大学电子信息工程学院，电子信息工程，国际交换生
    2011.09 - 2015.06 南京理工大学教育实验学院（现钱学森学院），通信工程，本科
 
  研究方向
      核磁共振梯度形变矫正
      核磁共振快速成像算法
      深度学习算法
      运动伪影矫正
     图像引导放射治疗
 
  代表性论文  
   

1. ReUINet: A fast GNL distortion correction approach on a 1.0 T MRI-Linac scanner
Shan S, Li M, Li M, Tang F, Crozier S, Liu F.
Medical Physics. 2021, Mar 24.
2. Gradient Field Deviation (GFD) Correction Using a Hybrid-Norm Approach With Wavelet Sub-Band Dependent Regularization: Implementation for Radial MRI at 9.4 T[J]
Shan S, Li M, Tang F, et al.
IEEE Transactions on Biomedical Engineering, 2019, 66(9): 2693-2701.
3. Geometric Distortion Characterisation and Correction for the 1.0 T Australian MRI‐Linac System Using an Inverse Electromagnetic Method[J]
Shan S, Liney G P, Tang F, et al.
Medical Physics, 2019.
4. Fast Geometrical Distortion Correction Using a Fully Connected Neural Network: Implementation for the 1 Tesla MRI-Linac System
Li, M*., Shan, S*., Chandra, S, et al.
Medical Physics, 2020. * Li, M and Shan, S contributed equally to this paper.
5. MRI-guided radiation therapy: Opportunities and challenges
Paul J Keall, Caterina Brighi, Carri Glide-Hurst, Gary Liney, Paul Z. Y. Liu, Suzanne Lydiard, Chiara Paganelli, Trang Pham, Shanshan Shan, Alison C Tree, Uulke van der Heide, David E. J. Waddington, Brendan Whelan.
Nature Reviews Clinical Oncology, 2022, Apr 19:1-3.
6. Chaotic Compressive Sampling Matrix: Where Sensing Architecture Meets Sinusoidal Iterator
Gan, H., Xiao, S., Zhang, Z., Shan, S., & Gao, Y.
Circuits, Systems, and Signal Processing, 2020, 39(3), 1581-1602.
7. Waddington DE. Distortion-Corrected Image Reconstruction with Deep Learning on an MRI-Linac
Shan S, Gao Y, Liu PZ, Whelan B, Sun H, Dong B, Liu F
arXiv preprint arXiv:2205.10993, 2022, May 23.
8. Motion-free Image Reconstruction using Unrolling Network on an MRI-Linac
Shan S, Gang Y, Liu P, et al.
July 2022 In MEDICAL PHYSICS (Vol. 48, No. 6). 111 RIVER ST, HOBOKEN 07030-5774, NJ USA: WILEY. (Best in Physics Award，top 0.5%)

 
   
   返回顶部