“青年千人”陆遥：数学重构医学影像

当数学教授开始钻研乳腺X光片，会发生什么？中山大学数学与计算科学学院“青年千人”陆遥教授，过去十年间用“反问题”这一数学工具，重新解构了医学影像重建的核心算法。从CT成像到乳腺层析设备研发，这位跨界学者正试图让中国的高端影像设备不再依赖“进口算法”。

“反问题”：从模糊照片到高清CT的数学桥梁

什么是“反问题”？陆遥用一个生活案例解释：把拍“虚”了的照片用修图软件变清晰，就是反问题在图像增强领域的应用。更严谨地说，正问题是“由因到果”——比如曹雪芹创作《红楼梦》；而反问题是“由果溯因”——从现存史料碎片还原曹雪芹的人生经历和创作历程。后者远比前者困难。

在医学影像领域，CT（计算机层析成像）的核心正是反问题的典型应用。陆遥指出：“数学是医学影像领域非常重要的工具，医学影像的很多问题都可以用反问题的模型和方法来解决。”他博士论文中提出的“基于连续物理模型的图像复原算法”，发表在反问题领域国际权威期刊《Inverse Problems》上，并被选为年度推荐文章（Highlight）。该期刊每年发表的几百篇论文中，仅有十几篇能获此殊荣。

传统钼靶筛查的三大痛点

为何要用数学手段改进乳腺影像设备？陆遥团队在临床调研中发现，当时医院通用的乳腺普查设备——钼靶X线成像存在明显局限：

陆遥告诉记者：“将三维结构投影到二维平面上，病灶很有可能被乳房组织覆盖，导致假阴性。同时，重叠在一起的乳房组织也可能会产生模拟病灶的假象，导致假阳性。”当时中国大城市中乳腺癌已成为女性发病率最高的癌症，且以每年3%的速度增长，普查设备的精度提升迫在眉睫。

三维乳腺层析成像：用算法“拆解”重叠组织

针对上述痛点，陆遥团队与企业及医院合作，开展产学研医结合的研究，研发三维乳腺层析成像技术。与钼靶不同，层析成像从多个角度扫描乳房，采集一系列二维投影数据，再通过反问题算法重建出三维体积数据。医生可以像翻书一样逐层观察乳腺结构，彻底解决组织重叠带来的误判问题。

陆遥在海外密歇根大学工作期间，就已投身针对乳腺癌检查的高端医学影像设备研发。回国后，他将反问题领域积累的算法优势直接迁移到设备的核心重建模块。他指出：“算法问题，是计算机层析成像领域的核心技术。”而中国自主研发高端影像设备，恰恰最缺的就是底层数学模型的突破。

哪些机构在推动“数学+医学”跨界？

在2016年前后，国内数学与医学交叉领域的前沿力量主要来自三股：一是在国际反问题领域有发表记录的海外归国学者，如陆遥及其团队；二是高校中的计算数学与应用数学重点实验室；三是与高校合作的大型医疗设备企业。陆遥所在的中山大学数学与计算科学学院，正是这一交叉领域的典型代表。他的路径为行业提供了一个可参照的范本：数学研究者不必转型为医生，而是通过“反问题”这一通用语言，直接解决医学成像中的物理建模与算法设计难题。

选择医学影像算法的两个关键维度

对于正在评估医学影像设备或算法的机构，陆遥的研究经历提示两个核心评估维度：一是算法是否基于连续物理模型（而非纯统计拟合），这决定了重建图像在不同扫描条件下的稳定性；二是团队是否有反问题领域的国际期刊发表记录，这反映其解决“由果溯因”这类病态问题的数学功底。陆遥发表于《Inverse Problems》并获年度推荐的算法论文，正是后者的有力证据。

尽管学校已经放了寒假，但陆遥还没进入休假状态。往返于办公室、实验室、教室和家之间“四点一线”的生活，在他口中是“紧张而平淡”。但在记者看来，这种既能教学又能带队伍、搞科研的“跨界”人生，正是中国高端医疗设备从“组装”走向“原创算法”所需要的那座桥。

关键词：反问题 医学影像 乳腺CT