近日，國際醫(yī)學(xué)圖像計算和計算機(jī)輔助干預(yù)協(xié)會(Medical Image Computing and Computer Assisted Intervention Society，MICCAI’25)公布錄用結(jié)果，人工智能與計算機(jī)學(xué)院本科生理錦誠的研究論文“High-Precision Mixed Feature Fusion Network Using Hypergraph Computation for Cervical Abnormal Cell Detection（基于超圖計算的高精度混合特征融合網(wǎng)絡(luò)在宮頸異常細(xì)胞檢測中的應(yīng)用）”被大會接收。該研究工作由學(xué)院趙理莉老師、杭月芹老師聯(lián)合指導(dǎo)完成，合作者為學(xué)院本科生董丹楊、鄭夢林、張景博，我校人工智能與計算機(jī)學(xué)院為第一署名單位。該論文是我校大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃項目成果之一，也是學(xué)院第一次以本科生為第一作者在醫(yī)學(xué)圖像頂級會議發(fā)文。

從液基細(xì)胞學(xué)檢查（TCT）圖像中自動檢測異常宮頸細(xì)胞是智能計算機(jī)輔助診斷系統(tǒng)發(fā)展的關(guān)鍵組成部分。現(xiàn)有的算法通常不能有效地對視覺特征的相關(guān)性進(jìn)行建模，而這些空間相關(guān)性特征實際上包含關(guān)鍵的診斷信息。此外，目前尚沒有一種檢測算法能夠?qū)⒓?xì)胞的內(nèi)部相關(guān)特征與細(xì)胞的內(nèi)部區(qū)別特征相結(jié)合，缺乏用于端到端檢測模型的融合策略。該論文提出了一個基于超圖的細(xì)胞檢測網(wǎng)絡(luò)，該網(wǎng)絡(luò)融合了空間相關(guān)性特征和深度判別性特征，能夠有效地融合不同類型的特征，使用多級融合子網(wǎng)（MLF-SNet）來增強(qiáng)特征提取能力。在此基礎(chǔ)上，還提出了一種基于超圖計算的跨層特征融合策略（CLFFS-HC），用于融合混合特征。在3個公開數(shù)據(jù)集上進(jìn)行實驗比較，實驗結(jié)果表明，與已有方法相比，該研究得出的方法顯著提高了宮頸異常細(xì)胞檢測性能。

MICCAI是中國計算機(jī)學(xué)會推薦的B類國際會議學(xué)術(shù)會議，是醫(yī)學(xué)圖像領(lǐng)域頂級會議，該會議發(fā)表過包括UNet在內(nèi)的多個產(chǎn)生重大影響力的工作。本次MICCAI’25一共有3677篇文章投稿，錄用1014篇，錄取率29%。

（唐增陽 理錦誠）