智影慧医：智能医学影像数据治理、算法突破与临床转化

人员

报告安排

1. 13:40–14:10

   大语言模型驱动的医学影像分析

   夏勇 · 西北工业大学

   简介

   本报告聚焦大语言模型在医学影像分析领域的应用，针对医学影像分析中语义鸿沟、数据标注难题、模型可靠性等关键问题，深入探讨其面临的机遇与挑战。例如，运用动态语义自适应提示，有效解决医学视觉问答中的语义偏差；创新文本增强视觉对齐模型，提升医学图像分割精度；提出视觉不确定性增强语义熵方法，有效检测大语言模型中的幻觉现象。未来，将持续探索大模型在可解释性研究中的作用，为医学影像智能化发展提供有力支撑。

2. 14:10–14:40

   头颈部淋巴结MRI图像的实例分割方法研究

   周涛 · 北方民族大学

   简介

   头颈部恶性肿瘤是全球发病率与死亡率常见癌症类型，头颈部淋巴结转移是典型病理特征，决定患者的复发风险与生存预后。医学图像实例分割是结合目标检测+像素级分割的人工智能任务，它可以定位医学图像中每一个病灶，区分同一类型疾病不同的个体病灶，输出每一个病灶独立、精确的轮廓掩码。目前实例分割已经成为人工智能技术在医学图像处理领域的研究热点。本报告对单阶段实例分割进行全面总结，给出单阶段实例分割的1+2+3的技术框架；并报告我们团队针对头颈部淋巴结MRI图像中病灶尺度变化大、边界模糊和低对比度问题，提出的MambaYOLACT--头颈部淋巴结实例分割模型。针对Anchor box机制在头颈部淋巴结MRI图像中存在候选框冗余、掩码与空间位置耦合不足以及不规则目标结构感知不足问题，提出的热力图引导的SMGF²-YOLACT头颈部淋巴结实例分割模型。

3. 14:40–15:10

   从医学影像、数字病理到生物标志物与大语言模型的团队实践

   庞明辉 · 四川省人民医院

   简介

   医学人工智能正在从单一的图像分类与病灶识别，逐步走向多模态数据融合、疾病风险预测和临床决策支持。医学数据具有来源多样、标准不一、标注成本高、隐私要求严格以及临床场景复杂等特点，如何建立可信的数据基础，突破医学影像与病理图像中的跨模态差异、边界模糊、小样本和轻量化部署等技术瓶颈，并将模型输出转化为可验证、可解释和可执行的临床证据，是智能医学研究与临床转化的关键问题。 在数据治理方面，团队探索了基于区块链和密文策略属性加密的电子健康记录细粒度访问控制，为多中心、跨学科数据共享提供隐私保护和权限追溯基础。在算法研究方面，针对CT与MRI跨模态分布差异、医学图像边界模糊和标注不足等问题，构建了跨模态迁移的全心脏分割框架和粗到细的无监督医学图像配准方法；针对数字病理模型计算量大、基层和移动设备部署困难的问题，研发了轻量化肿瘤病理图像识别网络。 在临床转化方面，团队建立了融合肿瘤内与瘤周信息的直肠癌MRI影像组学模型，用于术前预测肿瘤沉积和复发风险；开展粪便DNA甲基化标志物与机器学习联合研究，实现结直肠癌及进展期腺瘤的智能筛查；进一步融合代谢组、临床因素与遗传风险，探索人群结直肠癌风险预测。针对复杂临床决策，团队还评价了大语言模型在T1期结直肠癌内镜切除后追加手术判断中的指南依从性，探索其作为临床决策辅助工具的应用价值。 本报告将结合上述研究，讨论医学人工智能从数据治理、算法研发到多中心验证和临床部署的转化路径。人工智能的目标不是替代医生，而是帮助医生更稳定地识别信息、整合证据和执行指南，最终形成“机器提供量化证据、医生承担专业判断、医患共同完成决策”的人机协同诊疗模式。

4. 15:10–15:25

   算力词元化新时代——让科研智能体人人可用的“词元自习室”与“词元校园网”落地实践

   冀文辉 · 联泰集群

   简介

   科研智能体正在从单点 Demo 走向课题组日常工具，但“算力无限用、算力人人用”仍面临数据合规、算力供给、成本控制与运维保障四重挑战。本报告提出“词元自习室 + 词元校园网”的双层算力底座架构：在课题组 / 科室侧，通过国产液冷一体机实现本地化推理与微调，保障影像数据不出院、不出校；在学校侧，依托 LtMaaS 平台实现 token 级计量、异构调度与全生命周期监控，使算力像校园网一样随取随用。报告将结合医学影像与生命科学场景的落地实践，探讨自主可控、开箱即用的科研智能体基础设施建设路径。

5. 15:25–15:40

   面向医学影像智能计算的国产算力关键技术突破

   肖贵宝 · 中科曙光

   简介

   介绍中科曙光面向医学领域打造的安全可信超智融合解决方案：从国产X86 CPU与全精度GPGPU芯片、高IOPS分布式存储到到国产高速IB网络，构建存算传紧耦合的融合底座。针对基因测序、AlphaFold3、Evo2、医学影像等核心行业软件及大模型开展深度性能优化，为生物信息学及医学科研工作者提供一条自主可控、高效易用的算力新路径，共同推动医学研究范式变革。

6. 15:40–16:10

   人工智能驱动的胎儿影像新进展

   郭应坤 · 四川大学华西第二医院

   简介

   胎儿超声与MRI是主要产前影像手段，但图像存在噪声、运动伪影、结构复杂等难点，人工判读效率与准确性受限，目前人工智能（AI）已成为胎儿影像研究热点。AI影像分析结合图像识别与深度学习，可自动完成胎儿心脑影像的分割、分类、重建与量化测量，辅助识别先心病及脑发育异常，输出客观诊断证据。本报告总结AI驱动的胎儿影像技术框架，并报告我们团队针对数据稀缺、多模态融合难、跨中心泛化弱等问题提出的智能分割与诊断模型。