生物医学成像作为研究生命科学的工具和手段，为生命科学的突破做出了重要贡献。生物医学成像萌芽于放射学领域，已成长为包括X线成像、放射性核素成像、超声成像、核磁共振成像、光学成像、质谱成像、生物电/磁成像、电子显微镜成像等多种成像技术。生物医学影像学作为一门新兴的交叉学科，根植于物理、数学、化学、信息科学、工程科学等基础学科，支撑着生命科学、医学、药学、脑科学和认知科学等学科的发展。其特殊地位不容忽视，对其学科发展进行科学合理的战略规划意义深远。
2016年，中国科学院数学物理系联合国国家自然科学基金提出设立生物医学影像学学科发展战略研究项目。该项目始于2017年，由叶朝辉院士领导。依托中国科学院武汉物理数学研究所、华中科技大学，邀请国家自然科学基金委13位院士、3位海外华人教授、3位管理专家组成战略研究组，成立了12个由国内相关领域青年领军人才组成的秘书工作组，由罗庆明教授、周信研究员担任秘书工作组组长。
2018年11月17-18日，项目组在苏州举办了以“生物医学影像发展战略”为主题的“科技前沿论坛”。论坛讨论结果以《生物医学影像发展战略》专辑形式发表在《中国科学:生命科学》上。专辑邀请了项目秘书整体组的专家和12位团队负责人撰写综述文章，向读者介绍生物医学影像学各个分支的最新研究进展和发展趋势，从而展现生物医学影像学及其分支的整体和详细面貌，发出中国科学家的声音，吸引更多国内科研人员寻找合适的切入点加入生物医学影像学这个不断成长、极具前景和魅力的研究领域。
研究员卓妍
中国科学院生物物理研究所
张、、姚德忠
无创脑电磁成像技术以其高时间分辨率和源成像技术可以有效提高空之间分辨率的优势，在促进脑认知原理和脑疾病机制研究方面发挥着不可或缺的作用。本文从脑电信号/磁信号处理、脑电信号/磁逆问题、脑电信号/磁设备、脑电信号/磁应用等几个主要方面综述了相关研究的主要进展。讨论了脑电信号/磁场研究中的一些前沿问题，并对未来需要关注的方向进行了展望。
高家红教授
北京大学物理学院
AAIS高级跨学科研究学院
、郝蕾、陈群、杜、、、龚奇勇、
磁共振成像是临床医学诊断和基础生命科学研究中最重要的成像工具之一。它具有无创、软组织对比度高、成像参数和对比度多、图像信息丰富等特点。近年来，磁共振成像在仪器技术和应用研究方面取得了快速进展。超高场强、超快、超灵敏磁共振成像等一批前沿影像技术正在走向临床，并与大数据、人工智能、诊疗一体化等其他先进技术相互渗透、相互融合。在应用研究中，磁共振成像在肿瘤分子成像、脑功能成像、脑结缔组织研究等方面发挥着越来越重要的作用。本文简要介绍了磁共振成像的发展历史和基本原理，梳理了磁共振成像仪器技术、方法和应用研究中的关键科学问题，提出了我国磁共振成像研究的发展思路和重点研究方向。
江研究员
中国科学院自动化研究所
左念明、江
随着脑成像技术和计算技术的发展，基于活体图像的脑科学研究呈爆炸式增长，引起了包括神经科学、临床医学、心理学和工程技术在内的许多不同学科研究人员的广泛关注。近年来，不同学科的交叉融合形成了新的研究方向和领域，这也是脑科学发展的独特研究模式。关于活体人脑结构和功能信号的检测技术，目前已有多项技术广泛应用于基础科学研究和临床，包括多模态磁共振技术、脑电和脑磁图技术等。同时，脑科学研究对脑信号检测技术在时间和分辨率上提出了空之间的更高要求，由此产生的数据给后期的数据挖掘、建模和分析技术带来了更多挑战。为了更好地从多时间空尺度描述研究大脑的模型，我们团队在国际上提出了“脑网络组学”的概念。本文系统回顾了无创宏观影像层面基于影像的脑科学研究的典型技术，强调了多模态、多技术联合应用的“脑网络组学”的研究背景和内涵。最后，对脑网络组学研究的发展进行了展望。
田杰教授
航空航天大学医学与工程交叉学科研究所
中国科学院自动化研究所
西安电子科技大学
宋彬教授
四川大学华西医院
李红军教授
首都医科大学附属北京佑安医院
韩玉琦、魏经纬、蒋涵玉、牛猛、刘冰、付芳芳、顾东升、郝晓涵、李红军、宋彬、田杰
随着脑成像技术和计算技术的发展，基于活体图像的脑科学研究呈爆炸式增长，引起了包括神经科学、临床医学、心理学和工程技术在内的许多不同学科研究人员的广泛关注。近年来，不同学科的交叉融合形成了新的研究方向和领域，这也是脑科学发展的独特研究模式。关于活体人脑结构和功能信号的检测技术，目前已有多项技术广泛应用于基础科学研究和临床，包括多模态磁共振技术、脑电和脑磁图技术等。同时，脑科学研究对脑信号检测技术在时间和分辨率上提出了空之间的更高要求，由此产生的数据给后期的数据挖掘、建模和分析技术带来了更多挑战。为了更好地从多时间空尺度描述研究大脑的模型，我们团队在国际上提出了“脑网络组学”的概念。本文系统回顾了无创宏观影像层面基于影像的脑科学研究的典型技术，强调了多模态、多技术联合应用的“脑网络组学”的研究背景和内涵。最后，对脑网络组学研究的发展进行了展望。
顾立旭教授
上海交通大学医疗机器人研究所
虞照、王德旭、顾立旭
计算机辅助诊断是医学图像分析的重要方向之一。该技术具有定量分析准确、处理可重复、减少影像医生工作量等优点。本文总结和讨论了近年来国内外基于人工智能技术的计算机辅助诊断技术的研究进展，介绍了当前医学图像计算机辅助诊断系统中涉及的人工智能算法、过程和相关技术。分析了当前研究的不足和挑战，并提出了可能弥补这些不足的新思路。通过深入分析研究发现，与传统的监督学习方法相比，半监督学习方法更接近医疗任务的实际需求，可以大大降低系统的实现成本。因此，本文认为半监督学习方法的研究和发展是医学图像分析领域的一个新的研究趋势，对医学图像计算机辅助诊断系统的研究具有重要意义。
