一、团队简介

医工融合研究团队依托淮阴师范学院人工智能与自动化学院成立，面向医工融合发展需求，以“AI+医疗”为核心理念，以医学图像为主要研究对象，融合人工智能、计算机视觉和医学图像处理等技术，聚焦医学领域关键科学问题与实际需求，开展医学图像智能诊疗相关的研究，推动人工智能与医学场景深度融合。

团队注重医学需求与工程技术的双向融合，强调以实际医疗问题为牵引，将医学场景中的实际需求转化为人工智能领域的科学问题和技术问题，通过算法设计、模型构建和实验验证形成面向医疗应用的智能分析方法。团队研究总体遵循“临床需求—科学问题—人工智能技术—医学影像分析—应用转化”的发展思路，努力推动人工智能从技术研究向实际医疗场景延伸，为医疗智能化和精准化发展提供技术支持。

二、主要研究方向

团队目前主要围绕医学图像配准和医学图像分割两个方向开展研究。两个方向相互支撑，共同服务于医学影像智能分析、多模态影像融合、疾病辅助诊断、治疗规划及疗效评估等应用场景。

1.医学图像配准

医学图像配准主要研究如何学习不同医学图像之间相同解剖结构或病灶目标在空间上的对应关系，通过估计图像间的刚性、非刚性或复杂形变，实现不同时间、不同模态及不同个体医学影像的空间对齐，是精准放疗、手术导航、运动估计、多模态医学影像融合及疾病进展分析等医学诊疗技术的重要基础。针对医学影像中解剖结构复杂、组织形变显著、影像噪声和成像差异较大等问题，团队重点研究基于变分推断的医学图像配准方法，通过概率模型建模配准问题。相较于确定性模型，基于变分推断的配准模型能够进一步刻画形变估计中的不确定性，为形变区域提供更加可靠的配准结果和可信度评估，从而提升医学图像配准的准确性、鲁棒性和可靠性，为后续医学影像分析和临床决策提供更加稳定的技术支撑。

2.医学图像分割

医学图像分割主要研究利用人工智能技术，从CT、MRI等医学影像中自动识别并精准勾画人体器官、组织及病灶区域，为疾病辅助诊断、病灶定量分析、放疗规划、手术规划和疗效评估等提供基础技术支撑。针对医学影像中目标尺度小、边界模糊、形态差异显著以及标注数据有限等问题，团队重点研究融合解剖先验、空间上下文、多尺度特征和多模态信息的深度学习分割方法，提高复杂解剖结构和微小病灶分割的准确性、鲁棒性与泛化能力。

三、人才培养

团队面向电子信息类（人工智能方向）研究生和本科生开展科研训练，注重培养学生的专业基础、人工智能技术能力、科研创新能力以及解决实际问题的能力。通过医学图像处理、深度学习、计算机视觉等交叉领域的科研实践，引导学生建立“电子信息技术+人工智能+医学应用”的交叉知识体系，培养具有医工交叉思维和实践能力的复合型人才。团队鼓励本科生和研究生积极参与科研项目、学术交流和科研实践，在实际科研问题中提升算法设计、实验分析和学术表达能力。

四、发展规划

未来，团队将以医学图像智能分析为基础，持续深化医学图像分割、医学图像配准等核心研究方向，并逐步拓展医学影像智能诊断、多模态医学影像分析、医学人工智能等研究领域。同时，团队将积极加强与医疗机构、科研院所及相关企业的合作，促进医学需求、人工智能技术和临床应用之间的有效衔接，逐步构建具有鲜明特色的医工融合科研与人才培养体系，以人工智能技术赋能医疗健康事业发展，为智慧医疗和精准医疗提供新的技术路径。