一、团队简介
1、工作室管理规定与目标
强彦劳模创新工作室致力于用人工智能技术来辅助医师进行疾病诊断。为了保证教学科研和行政办公的需要，合理使用、科学配置、规范管理、安全使用学院公共房产资源，根据学院实际情况，对公共用房管理进行了规定。
2、例会制度
以年级为单位，每周进行例会进行学习成果汇报、任务分配、组内头脑风暴，相互交流研究方向与进度，碰撞出思想的火花，产生新的思路与方向。
3、年度考核制度
工作室实行年考、季考和月考的考核制度，考核内容包括论文、专利、项目申报、参加的学术活动等，考核结果公布在工作群中公布。同时，工作室成员每年要做年度总结与年度计划，对自己一年来的工作与学习进行总结，并对新一年的发展做出计划。
4、考勤制度
作为考核指标之一，工作室拥有完善的考勤机制，能够满足日常考勤的需要，并能够在月末、年末自动生成报表。
5、资金预算
实验室通过申请国家自然科学基金、与公司建立产学研项目等方式获取资金，并将资金投入硬件设备更新及维修、学术交流、人才培养等方面。
6、新闻发布
工作室所取得的成就和举办的活动，会及时发布在学校和学院官网上，弘扬正能量，对实验室的发展与进行起到宣传与推动的作用。
7、工作环境
8、劳模奖章
2010年强彦教授获山西省“五一劳动奖章”
2019年赵涓涓教授获得山西省“五一劳动奖章”；
9、获奖证书
强彦教授2020年获山西省高校教学名师
赵涓涓教授2020年荣获山西省高校师德楷模
强彦教授和王华老师入选2018年度山西省“三晋英才”支持计划拔尖骨干人才
2016年强彦教授获得“山西省科学技术奖”科技进步类三等奖；
2014年强彦教授获得太原理工大学“感动清泽，最美教师”荣誉称号；
2018年赵涓涓教授获太原理工大学“2018年院优秀共产党员”称号；
2019年赵涓涓教授获得太原市“2017-2018年度太原市自然科学优秀学术论文”一等奖；
2019年强彦教授获得“蓝桥杯大赛”优秀指导教师；
2018年强彦教授被聘任为“全国高校人工智能与大数据创新联盟专家委员会”副主任；
2018年赵涓涓教授被聘任为CCF YOCSEF 太原咨询顾问委员会委员；
2017年赵涓涓教授获获中国计算机学会第十三届全国人机交互学术会议“优秀创新项目奖”；
2011年赵涓涓教授获太原理工大学“优秀共产党员”称号；
2010年获山西省“经济建设突出贡献个人二等功”；
二、教学
1、教学为主
强彦创新工作团队坚持“教学为主，不断创新”的工作理念，多位教师基本功扎实，在各项竞赛中荣获奖项。
2019年强彦教授获得山西省第十二届全省高校中青年教师教学基本功竞赛中获得一等奖；
2010年强彦教授在太原理工大学中青年教师教学基本功竞赛中获得一等奖；
2020年降爱莲教授获得太原理工大学“青鸥奖”；
2016年赵涓涓教授获学生科技竞赛“优秀指导教师”；
2016年赵涓涓教授被聘为六师五家渠市大学生电子商务创业孵化基地创业指导导师；
2013年赵涓涓教授获太原理工大学“2012年度本科教学优秀奖”一等奖；
2009年赵涓涓教授获太原理工大学中青年教师教学基本功竞赛工科一等奖；
2、出版的教材与专著
教材：
《Go语言编程实践》（教材主编）
《Python机器学习》（教材主编）
《Python基础案例教程》（教材主编）
《基于深度学习的医学图像数据可视化分析与处理》（教材主编）
《生物信息计算》（教材副主编）
《数据存储技术》（华为信息与网络技术学院指定教材）（教材参编）
《深度学习主流框架和编程实战》（教材主编）
《Java编程基础及应用》（教材主编）
《大型数据库Oracle实验指导教程》（教材主编）
《虚拟现实建模与编程》（教材主编）
《UNIX网络程序设计》（十一五国家规划教材主编）
《C++与面向对象程序设计实践教程》（教材副主编）
《C++与面向对象程序设计教程》（教材参编）
《信号与系统》(十一五国家规划教材参编)
《平面设计基础》（十一五国家规划教材参编）
《物联网/传感网实验教程》（教材参编）
《硬件技术基础》（教材参编）
《Skyline虚拟现实开发与设计》（教材参编）
《人工智能算法实例集锦（python语言）》（教材主编）
《分布式数据库》（校企合作，教材主编）
《Python 机器学习案例教程》（教材主编）
《Python 语言入门与实践》（教材主编）
《基于PET-CT 的肺癌早期计算机辅助诊断技术》（教材主编）
《C语言程序设计与问题求解》（教材主编）
专著：
《灰色分析技术及程序实现》
译本：
《以用户为中心的系统设计》
《C语言程序设计与问题求解》
3、联合教材
联合教材《走进AI算法的奇妙世界》（与北京市高等教育电子音像出版社有限公司合作）
4、发表的教改论文
强彦. 大型关系数据库Oracle 教学模式的改进[J]. 计算机教育, 2010(06):131-133.
强彦, 赵涓涓, 张瑞,等. 计算机类专业的"团队学习"教学模式[J]. 计算机教育, 2012, 000(020):5-7
强彦, 赵涓涓, 程永强,等. 精品视频公开课建设经验与体会[J]. 中国大学教学, 2013, 000(012):13-15.
高校青年教师的生活与发展状况研究 王小波,强彦.高校青年教师的生活与发展状况研究[J].山西高等学校社会科学学报, 2013, 25(2):26-28.
赵涓涓, 强彦, 王楠. 计算机类专业"卓越计划"中实践环节的改革与创新[J]. 中国大学教学, 2015, 000(009):68-70.
赵涓涓，李明，任晓玲，张琤，强彦. 基于OBE 导向的小学期教学改革-以Python 语言应用为例[J]. 太原理工大学学报（社会科学版）, 2019(37):78-84.
Yan QIANG, Juanjuan ZHAO, Ming LI, Xiaoling REN. PYTHON Language Teaching Reform and Innovation in the Short Semester. [C] The 29th National Conference on Computer Science Technology and Education
Zhao J, Qiang Y, Wang M, et al. Reform Method of Training Plan for Computer-Major Students Under ‘Excellent Engineer Training Plan 2.0’ [C]//National Conference on Computer Science Technology and Education. Springer, Singapore, 2019: 3-11.
强彦,赵涓涓,吴俊霞.虚拟仿真实验教学体系中的几点问题思考[J].计算机教育, 2020(2):72-75.
赵涓涓，孙桓武，强彦等. 基于MOOP 的Python 语言模式改革与创新[J]. 计算机教育,2021(1):31-35.
5、承担的教改项目
计算机类专业工程教育改革与实践（省教改）
计算机类专业"卓越计划"中实践环节的改革与创新(省教改)
“3+1”模式中“1”的管理方式创新与实践（校教改）
创建《微机原理》虚拟实验室的实验教学改革研究（校教改）
基于CPS模式的物联网工程专业课程体系设置与实施的研究（校教改）
高等学校本科软件工程专业应用型人才培养研究（Web程序设计方向研究）
计算机硬件类课程虚拟仿真实验教学项目（省教改）
研究生计算机硬件类课程虚拟仿真实验教学项目（省教改）
6、教学成果奖
2020强彦教授成为全国高等学校计算机教育研讨会对外联络委员会委员
2020年强彦教授指导的2020届本科生论文被评为优秀毕业设计论文
2020年强彦教授在计算机系统与程序设计竞赛中荣获指导教师奖
2020年强彦教授获得第十一届蓝桥杯全国软件和信息技术专业人才大赛优秀指导教师
2018年强彦教授团队获得“山西省教学成果奖”一等奖
2013年赵涓涓教授主讲的《面向对象编程思想概览》被教育部评为“国家级精品课程”的称号；
三、科研成果
1、国家基金项目
国家自然基金（77万） 基于医学影像结构和功能混合特征的周围型肺癌计算机辅助诊断方法（在研）
国家自然基金（66万） 基于长时程CT 影像的肺部病灶生长演变规律建模及早期肺癌智能诊断研究（在研）
重点实验室开放基金（4万） 序列CT图像的肺部疾病计算机辅助诊断方法研究（在研）
国家自然基金（75.6万） 面向工作的可视分析理论与应用的研究（在研）
国家自然基金（18万） 云计算平台上多类型任务的自适应调度技术研究
国家自然基金（31万） 图像颜色和形状特征绑定的脑认知过程及模型研究
技术开发（3万） 山西省人民防空办公室过程管理辅助系统
技术服务（3万） ORACLE、UNIX高级技术培训
技术开发（3万） WEB网站性能优化
省基础研究计划项目（5万） 云计算环境的作业自适应调度技术研究
国家自然基金（19.2万） 低剂量CT薄层扫描影像的早期肺癌计算机辅助筛查方法
重点实验室开放基金（4万） 基于三维重建的周伟型肺癌计算机辅助诊断方法
技术开发（11.78万） 山西省政府部门购买云服务及政务云构建模式研究
技术开发（2万） 旁路式大型数据库自优化系统
技术开发（18万） 基于WIFI的煤矿井下应急通讯系统的研究与设计
技术开发（5万） 基于MATLAB的数据分析算法研究开发
技术开发（80万） 基于物联网的野外火灾监测系统
技术开发（3万） 自然灾害监测预警及应急设备开发-基于物联网技术的森林火灾监测预警系统
2、发表的论文
Dong, YY(Dong, Yunyun); Hou, LN(Hou, Lina); Yang, WK(Yang, Wenkai); Han, JH(Han, Jiahao); Wang, JW(Wang, JiaWen);Qiang, Y(Qiang, Yan); Zhao, JJ(Zhao, Juanjuan); Hou, JX(Hou, Jiaxin); Song, K(Song, Kai); Ma, YL(Ma, Yulan); Kazihise, NGF(Kazihise, Ntikurako Guy Fernand); Cui, YF(Cui, Yanfen); Yang, XT(Yang, XiaoTang), Multi-channel multi-task deep learning for predicting EGFR and KRAS mutations of non-small cell lung cancer on CT images, QUANTITATIVE IMAGING IN MEDICINE AND SURGERY, 2021, 6:2354-2375
Yang, WK(Yang, Wenkai);Dong, YY(Dong,Yunyun);Du, QQ(Du, QianQian), Qiang, Y(Qiang, Yan), Wu, K(Wu, Kun), Zhao, JJ(Zhao, Juanjuan), Yang, XT(Yang, XiaoTang), Zia, MB(Zia, Muhammad Bilal), Integrate domain knowledge in training multi-task cascade deep learning model for benign-malignant thyroid nodule classification on ultrasound images, ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE, 2021, 2
Xiao, N(Xiao, Ning); Qiang, Y(Qiang, Yan);Zhao, ZJ(Zhao, Zijuan); Zhao, JJ(Zhao, Juanjuan); Lian, JH( Lian, Jianhong), Tumour growth prediction of follow-up lung cancer via conditional recurrent variational autoencoder, IET IMAGE PROCESSING, 2020, 12(15):3975-3981
Shi, GuoHua, Wang, JiaWen, Qiang, Yan,Yang, Yang, XiaoTang, Zhao, Juanjuan, Hao, Rui, Yang, Wenkai, Du, QianQian, Kazihise, Kazihise, Ntikurako Guy-Fernand, Knowledge-guided synthetic medical image adversarial augmentation for ultrasonography thyroid nodule classification, COMPUTER METHODS AND PROGRAMS IN BIOMEDICINE, 2020, 11
Wang, J., Cui, Y., Shi, G. et al. Multi-branch cross attention model for prediction of KRAS mutation in rectal cancer with t2-weighted MRI. Appl Intell 50, 2352–2369 (2020).
Ning Xiao, Yan Qiang, Muhammad Bilal Zia, Sanhu Wang, Jianhong Lian et al. Ensemble classification for predicting the malignancy level of pulmonary nodules on chest computed tomography images. April 27, 2020 401-408
Guohua Shi, Jiawen Wang, Yan Qiang, Xiaotang Yang, Juanjuan Zhao, Rui Hao, Wenkai Yang, Qianqian Du, Ntikurako Guy-Fernand Kazihise, Knowledge-guided synthetic medical image adversarial augmentation for ultrasonography thyroid nodule classificatio , Computer Methods and Programs in Biomedicine, Volume 196, 2020
Zhang H, Chen J, Qiang Y, et al. DART: a visual analytics system for understanding dynamic association rule mining[J]. The Visual Computer, 2020: 1-17.
Dong Y, Yang W, Qiang Y, et al. MLW-gcForest: a multi-weighted gcForest model towards the staging of lung adenocarcinoma based on multi-modal genetic data[J]. BMC bioinformatics, 2019, 20(1): 578.
Wu K, Qiang Y, Song K, et al. Image synthesis in contrast MRI based on super resolution reconstruction with multi-refinement cycle-consistent generative adversarial networks[J]. Journal of Intelligent Manufacturing, 2019: 1-14.
Zhao W, Lv J, Qiang Y, et al. Consortium Blockchain-Based Microgrid Market Transaction Research[J]. Energies, 2019, 12(20): 3812.
Dong Y, Yang W, Qiang Y, et al. MLW-gcForest: A Multi-Weighted gcForest Model for Cancer Subtype Classification by Methylation Data[J]. Applied Sciences, 2019, 9(17): 3589.
A Distributed Energy Trading Authentication Mechanism Based on a Consortium Blockchain
Xiao X, Qiang Z, Qiang Y, et al. A feature extraction method for lung nodules based on a multichannel principal component analysis network (PCANet)[J]. Multimedia Tools and Applications, 2019, 78(13): 17317-17335.
Hao R, Qiang Y, Liao X, et al. An automatic detection method for lung nodules based on multi-scale enhancement filters and 3D shape features[J]. TIIS, 2019, 13(1): 347-370.
Xiao X, Zhao J, Qiang Y, et al. An automated segmentation method for lung parenchyma image sequences based on fractal geometry and convex hull algorithm[J]. Applied Sciences, 2018, 8(5): 832.
Hao R, Qiang Z, Qiang Y, et al. Automatic diagnosis of pulmonary nodules using a hierarchical extreme learning machine model[J]. International Journal of Bio-Inspired Computation, 2018, 11(3): 192-201.
Hao R, Qiang Y, Yan X. Juxta-Vascular pulmonary nodule segmentation in PET-CT imaging based on an LBF active contour model with information entropy and joint vector[J]. Computational and mathematical methods in medicine, 2018, 2018.
Zhang W, Zhang X, Zhao J, et al. A segmentation method for lung nodule image sequences based on superpixels and density-based spatial clustering of applications with noise[J]. PloS one, 2017, 12(9).
Han X H, Qiang Y, Lan Y. A Bird Flock Gravitational Search Algorithm Based on the Collective Response of Birds[J]. The Computer Journal, 2017, 60(11): 1687-1716.
He N, Zhang X, Qiang Y, et al. Pulmonary parenchyma segmentation in thin CT image sequences with spectral clustering and geodesic active contour model based on similarity[C]//Ninth International Conference on Digital Image Processing (ICDIP 2017). International Society for Optics and Photonics, 2017, 10420: 104202G.
Qiang Y, Ge L, Zhao X, et al. Pulmonary nodule diagnosis using dual‐modal supervised autoencoder based on extreme learning machine[J]. Expert Systems, 2017, 34(6): e12224. [16] Pan L, Qiang Y, Yuan J, et al. Rapid retrieval of lung nodule ct images based on hashing and pruning methods[J]. BioMed research international, 2016, 2016.
Liao X, Zhao J, Qiang Y, et al. A segmentation method for lung parenchyma image sequences based on superpixels and a self-generating neural forest[J]. PloS one, 2016, 11(8). [18] Zhao J, Ji G, Qiang Y, et al. An automated pulmonary parenchyma segmentation method based on an improved region growing algorithmin PET-CT imaging[J]. Frontiers of Computer Science, 2016, 10(1): 189-200.
Qiang Y, Zhang X, Ji G, et al. Automated lung nodule segmentation using an active contour model based on PET/CT images[J]. Journal of Computational and Theoretical Nanoscience, 2015, 12(8): 1972-1976.
Zhao J, Ma R, Qiang Y, et al. Solitary pulmonary nodule segmentation based on the rolling ball method[J]. Journal of Computational and Theoretical Nanoscience, 2015, 12(8): 1977-1983.
Xiang J, Han X H, Qiang Y ，et al. A novel hybrid system for feature selection based on an improved gravitational search algorithm and k-NN method[J]. Applied Soft Computing, 2015, 31: 293-307.
Zhao J, Ji G, Qiang Y, et al. A new method of detecting pulmonary nodules with PET/CT based on an improved watershed algorithm[J]. PloS one, 2015, 10(4).
Qiang Y, Ji G, Han X, et al. Coarse-to-fine lung segmentation in computed tomography images[J]. Journal of Computational and Theoretical Nanoscience, 2015, 12(2): 330-334.
Qiang Y, Pei B, Wei W, et al. An efficient cluster head selection approach for collaborative data processing in wireless sensor networks[J]. International Journal of Distributed Sensor Networks, 2015, 11(6): 794518.
Zhang H, Chen J, Qiang Y, et al. DART: a visual analytics system for understanding dynamic association rule mining[J]. The Visual Computer, 2020: 1-17.
Dong Y, Yang W, Qiang Y, et al. An improved supervoxel 3D region growing method based on PET/CT multimodal data for segmentation and reconstruction of GGNs[J]. Multimedia Tools and Applications, 2020, 79(3): 2309-2338.
Qiang Y, Yang X, Zhao J, et al. Lung Nodule Image Retrieval Based on Convolutional Neural Networks and Hashing[J]. Journal of Beijing Institute of Technology, 2019 (1): 3.
Zhao W, Lv J, Qiang Y, et al. Consortium Blockchain-Based Microgrid Market Transaction Research[J]. Energies, 2019, 12(20): 3812.
Zhao S, Xie H, Qiang Y, et al. An Adaptive Device-Aware Model Optimization Framework[C]//Proceedings of the Third International Symposium on Image Computing and Digital Medicine. 2019: 107-112.
Che Z, Wang Y, Qiang Y, et al. A Distributed Energy Trading Authentication Mechanism Based on a Consortium Blockchain[J]. Energies, 2019, 12(15): 2878.
Zhang T, Zhao J, Qiang Y, et al. Deep belief network for lung nodules diagnosed in CT imaging[J]. International Journal of Performability Engineering, 2017, 13(8): 1358-1370.
He N, Zhang X, Qiang Y, et al. Pulmonary parenchyma segmentation in thin CT image sequences with spectral clustering and geodesic active contour model based on similarity[C]//Ninth International Conference on Digital Image Processing (ICDIP 2017). International Society for Optics and Photonics, 2017, 10420: 104202G.
Qiang Y, Ge L, Zhao X, et al. Pulmonary nodule diagnosis using dual‐modal supervised autoencoder based on extreme learning machine[J]. Expert Systems, 2017, 34(6): e12224.
Xiao X, Qiang Y, Zhao J, et al. A deep learning model of automatic detection of pulmonary nodules based on convolution neural networks (CNNs)[C]//International Conference on Bio-Inspired Computing: Theories and Applications. Springer, Singapore, 2016: 349-361.
\
3、近5年授权的专利
强彦，葛磊，赵涓涓，马瑞青，王华，强梓林，唐笑先，杜晓平 一种基于双模态极限学习机的肺结节诊断方法。国家专利号ZL201710351340.2
强彦，宋云霞，赵涓涓，郝晓丽，强薇 一种基于视觉特征和征象标签的超图哈希图像检索实现肺结节征象识别的方法。ZL201710536096.7
赵涓涓，张婷，强彦，罗嘉滢 一种基于改进的深度玻尔兹曼机肺结节特征提取和良恶性分类方法。国家专利号ZL201710507191.4
强彦，董林佳，赵涓涓，强薇，王华，吴化禹 一种基于Hession矩阵和三维形状指数的肺结节分割方法。国家专利号ZL 201710464681.0
强彦， 崔强， 杨晓兰， 强薇， 赵涓涓， 王华 一种基于多模态数据的超体素序列肺部图像的3D肺结节分割方法。国家专利号ZL201710406314.5
强彦，宋宁，赵涓涓，王 华，马瑞青 一种基于运动特性和颜色时空信息的火焰检测方法。国家专利号ZL 201710310723.5
强彦，杨晓兰，崔强，赵涓涓，强薇，路景贵 一种基于医学征象和卷积神经网络的肺结节CT图像哈希检索方法。国家专利号ZL201710463788.3
强彦，闫晓斐，赵涓涓，董林佳 一种基于信息熵和联合向量的LBF活动轮廓模型的肺结节分割方法。国家专利号ZL201710212164.4
强彦，张伟，赵涓涓，宋晓涛，强梓林 一种基于超像素和密度聚类的序列肺结节图像分割方法。国家专利号ZL 201710536082.5
赵涓涓，强彦，谢鹏华，高慧明，肖宁，吴保荣，傅文博 一种基于频谱法的Gabor变换实现碳纤维复合材料表面纹理分析方法。国家专利号ZL201711435196.7
赵涓涓,纪国华,强彦,胡洋洋,廖晓磊,吕鲤志. 一种用左右扫描和四个角旋转扫描对肺实质分割去噪的方法。国家专利号ZL201410545665.0
赵涓涓,强彦,裴博,杨建峰. 一种基于词缀的用于对未知词进行语义分类的系统。国家专利号ZL201210361148.9
强彦,韩晓红,路景贵,赵涓涓,裴博,刘涛. 一种基于词缀的用于对未知词进行语义分类的方法。国家专利号ZL 201210361150.6
强彦,赵涓涓,王高明,卢军佐,胡桂海,王海波,彭彦斌,王丹,王晋. 一种用图像识别技术测量高温钢管直径的方法。国家专利号ZL201110455592.2
4、论文高被引证明
5、成果转化-中医机器人
工作室和山西省慧虎健康科技有限公司合作，完成中医智能体检机器人项目，其中基于脑梗和心梗恶性突发性疾病的手诊预测应用于全国200所以上的社区医院和5万个以上的移动客户端，创造了显著的经济效益和社会效益。该项目成果目前正在申报山西省科技进步奖。
6、成果转化-区块链与煤炭项目
工作室目前与山西省精英数智科技有限公司合作申报山西省科技厅关键核心技术和共性技术研发攻关专项项目—基于区块链技术的溯源产品设计，该项目的落地能够对煤炭安全与区块链的发展起到巨大的推动作用。
7、其他成果
四、服务双一流建设
工作室积极响应教育部号召，实行“人工智能+X”战略，致力于为学校“双一流”学科提供服务，培养符合时代要求的复合型人才。“人工智能+化工”：在化工专业创新班开展计算机人工智能基础课程。
“人工智能+矿工”：矿业学院云上实习平台辅助建设和开发；参与采矿工程煤炭培养方案的设计与制定。
“人工智能+机械”：与机械学院合作参与全国智能汽车与机器人比赛，联合培养竞赛型人才。“人工智能+安全”：与山西省应急管理厅合作完成基于区块链的应急管理项目。
五、学术交流
1、参加的学术会议
2、举办的学术讲座和论坛
3、参加的企业学术交流
六、主题活动
