智能超声计算机断层成像技术（智能超声CT）

现代超声CT技术通常采用环形超声换能器阵列采集全波射频信号（反射/折射/衍射等），并利用大规模算力实现图像重建，与传统B型超声只依靠回声信号成像相比，图像灰度值匹配人体组织的声学、力学特性，有助于识别早期病灶形态并判断肿瘤良恶性。当前，超声CT成像速度（帧率/实时性）、图像分辨率和检测准确率等有待进一步提升以满足临床需要，我们将通过引入人工智能赋能超声CT技术，加速其工程落地。

Animation credit by k-Wave.

医学图像质量迁移方法

训练机器学习模型能够让低质量影像扫描设备“学会”输出组织微结构并获得高质量图像，但由于低-高质量临床配对数据稀缺、数据幻觉等影响机器学习模型性能。我们研究医学图像质量迁移方法，从图像退化反问题的角度，探索高质量临床图像的高性能、高性价比计算方式。

Medical image credit: HCP dataset.

以数据为中心的智能医学图像分析和辅助诊断

部署深度学习算法能够协助医生“识别”微小病灶特征并提升临床诊断效率，但由于多中心数据异构、标注样本噪声大及长尾分布等问题严重制约模型泛化能力。我们研究以数据为中心的分析范式，从数据治理与价值挖掘的角度，探索智能辅助诊断系统的高鲁棒性、高可信度落地路径。

Figure credit: Nano banana pro.