CCF广东工业大学学生分会举办“目标识别与医学图像处理探讨” 学术讲座

CCF广东工业大学学生分会于2025年6月12日（星期四）成功举办了主题为“目标识别与医学图像处理探讨”的学术讲座，这场讲座的报告人是广东工业大学的邓杰航副教授。邓杰航副教授于2009年获日本国立福井大学工学博士学位，毕业后留校从事博士辅助研究员工作。邓杰航副教授曾主持国家自然科学基金，广东省自然科学基金；曾多次获广东工业大学先进科技工作者称号，广东工业大学教学优秀奖二等奖，指导学生获国际机器人竞赛三等奖以及优秀论文创新奖，发表多篇SCI论文。

初始，邓杰航聚焦 “目标识别与医学图像处理的跨学科探索” 主题，于学术会场通过高清投影系统动态展示研究内容。他以该交叉领域的技术演进脉络为线索，系统梳理了目标识别算法在医学影像分析中的前沿发展趋势，结合深度学习、计算机视觉等技术在病灶精准定位、医学影像三维重建等场景的具体应用案例展开深度分享。在近两小时的报告中，邓杰航不仅剖析了医学图像处理中噪声抑制、特征提取等关键技术难点，还创新性地引入硅藻目标识别在法医学、环境监测等领域的跨学科应用实例，通过对比传统识别方法与智能算法的效能差异，揭示了交叉学科研究的突破路径。

接着，在“目标识别与医学图像处理探讨”讲座现场，邓杰航进入“研究背景及意义”核心板块讲解。他首先以动态投影展示CT成像原理，深入浅出地解释道：“CT成像依托X射线穿透人体，由于不同组织对X射线的吸收程度存在差异，通过多角度采集穿透信号，再由计算机将这些数据进行复杂运算，最终重建出断层图像。”

然后，在讲座“CNN - based Methods”板块，他展开讲解：卷积神经网络（CNN）可深度挖掘医学图像的高语义特征，精准捕捉、高效表征图像复杂信息。以低剂量CT（LDCT）图像降噪为例，他介绍，基于深度学习的LDCT降噪方法突破标准CNN全连接层架构限制，构建专属流程——输入含噪声的LDCT图像，经网络多层卷积、特征提取与优化，输出重建后的降噪CT图像。

邓杰航推进至 “Datasets”（数据集）板块展示环节。他结合屏幕内容介绍，当前有三个常用于低剂量 CT 研究的关键数据集：其一为 Mayo - Simulated 数据集，它源自 2016 年的相关竞赛，涵盖 10 例患者的多参数扫描数据，通过模拟手段构建低剂量成像场景 ；其二是 Real - Clinic 数据集，提取自青岛某医院，包含 15468 张胸部 CT 图像，借助调整扫描电流的方式，真实模拟临床低剂量扫描工况 ；其三为 Real - Piglet 公开数据集，收纳 850 张猪仔 CT 影像，依据不同辐射剂量完成分组设置。

随后，邓杰航聚焦“SMD - Denoiser”展开深入讲解。针对低剂量CT图像处理中“特征抽象化过程里对关键特征关注度不足”的技术痛点，他着重介绍了自主研发的“多通道空间注意力信息增强模块”。该模块创新性地采用多分支结构，能够同时捕捉图像的全局语义与局部细节信息；通过多次运用CSAM（通道与空间注意力机制），构建起特征间的深度连接网络，从而有效强化关键特征的表达，精准抑制噪声干扰。

此外，在讲座的“SMD - Denoiser实验结果与分析”环节，邓杰航以Mayo - Simulated数据集为基础展开深入解读。他通过量化数据对比，清晰展示SMD - Denoiser的技术优势：在关键定量指标上，峰值信噪比（PSNR）较传统方法提升0.036，结构相似性指数（SSIM）提高0.004，直观反映出图像质量的显著改善。同时，结合CT图像可视化对比的定性分析，从实际成像效果出发，SMD - Denoiser在抑制纹理噪声、保留病灶边缘细节等方面表现更为出色，有效避免图像过度平滑导致的诊断信息丢失。量化数据与可视化结果相互印证，充分验证了SMD - Denoiser在低剂量CT图像降噪领域的技术有效性与临床应用价值。

在讲座中，针对DiaDet - R模型面临的“特征不均衡”难题，详细介绍了团队提出的个性化数据增强策略。该策略分为离线增强与在线增强两大维度：离线增强包含普通增强、角度变换、面积调整、形状修改等多种方式，通过预先对数据进行多维度变换，丰富样本多样性；在线增强则分阶段实施，在预热、训练及微调阶段分别执行针对性增强操作，动态优化数据输入。通过这种多维度数据增强策略，有效缓解了因硅藻样本分布不均导致的模型泛化能力不足问题，显著提升了模型对不同特征硅藻的学习效率与识别准确性。

最后，在讲座的“DiaDet - R模型对比实验结果”展示环节，邓杰航针对8类硅藻的识别任务，围绕AP50、AP75共16项评估指标展开分析。数据显示，DiaDet - R模型在关键指标表现上优势显著：其中5个指标达到最优成绩，较第二名模型超出3个；10个指标位列次优，领先第二名模型5个。从整体成绩分布来看，该模型在最优与次优指标的数量上均显著领先，充分验证了其在硅藻目标识别任务中更优的性能表现，凸显出该技术在解决特征不均衡问题及提升识别准确率方面的有效性。

本次讲座不仅为同学们提供了宝贵的学习机会，也搭建起学术交流与科研启发的桥梁。未来，CCF广东工业大学学生分会将继续举办更多高水平的讲座与交流活动，助力广大学生在科技的道路上不断前行。

至此，讲座圆满结束，感谢邓杰航副教授分享的学术讲座！