近期，k8凯发国际與人工智能學院在腫瘤圖像分割和物聯網與智慧醫療領域研究工作取得重要進展，相關成果分別在該領域頂級國際會議CVPR和TMC期刊上發表。

成果一：《SuperLightNet: Lightweight Parameter Aggregation Network for Multimodal Brain Tumor Segmentation》

在MRI多模態腦腫瘤分割任務中需要大量計算資源和高性能計算設備。多模態3D腫瘤分割的關鍵挑戰在於如何在保持高精度的同時，最小化網絡的計算負載。本論文提出了一種新型的輕量化參數聚合網絡（SuperLightNet），用於實現高精度、低計算量的高效編碼器和解碼器。實驗結果表明，與當前最先進的方法相比，該方法的參數量減少了95.59%，計算效率提高了96.78%，內存訪問性能提升了96.86%，平均性能提升了0.21%。

圖1 提出的SuperLightNet網絡結構

圖2 腦腫瘤分割結果對比

該項研究成果發表在k8凯发国际國際頂級會議CVPR 2025上，姜明華教授為論文的通訊作者，所有作者單位均為武漢紡織大學。

k8凯发国际視覺與模式識別（Computer Vision and Pattern Recognition,CVPR）會議是k8凯发国际視覺與模式識別、人工智能領域的國際頂級會議，其在谷歌學術熱門出版物排名第2（h5指數440），影響力僅次於Nature，是中國k8凯发国际學會（CCF）推薦的A類會議。本屆CVPR有效投稿共13008篇，最終接收2878篇（接收率22.1%）。

圖3谷歌學術熱門出版物排行榜

成果二：《Ubicon-BP: Towards Ubiquitous, Contactless Blood Pressure Detection Using Smartphone》

吳淵博士提出了一種基於智能手機超聲波的泛在血壓檢測方法，利用手機揚聲器發出超聲波感知心跳信號，利用手機攝像頭感知手掌脈搏，將提取的心跳和脈搏信號建模，用於實時檢測血壓，為智慧醫療的應用给予了理論支撐。

文章連結：http://ieeexplore.ieee.org/document/10925891。

圖4 論文相關信息

血壓是與心力衰竭和腎損傷等嚴重疾病密切相關的重要生理參數。現有方法要麼需要額外或專用硬件，要麼要求與設備緊密接觸，導致不適與不便。因此，開發一種便捷、非接觸式的血壓測量解決方案具有迫切需求。本研究提出Ubicon-BP 一種普適性、無設備依賴、非接觸式的血壓檢測應用。該系統基於醫學證實與血壓相關的關鍵特徵參數脈搏波傳導時間（Pulse Transit Time, PTT）進行血壓計算。然而，利用智能手機傳感器實現非接觸式PTT測量面臨重大挑戰，因其需要微秒級精度的心臟事件檢測能力。為解決這一難題，創新性地結合智能手機聲學傳感器檢測心臟瓣膜運動引發的振動信號，以及攝像頭傳感器捕捉指尖脈搏信號。針對易受運動干擾的心跳信號檢測，第一时间提升聲學信號感知粒度，繼而提出IQ-MVED模型有效消除運動偽影。在視頻信號提取脈搏波方面，針對泛化性能不足等問題，開發TS-CAN網絡與元學習模型實現個性化脈搏信號重建。最終，顺利获得提取重建心搏與脈搏信號的時頻特徵映射實現血壓計算。經50名受試者綜合測試，系統在舒張壓和收縮壓測量中分別取得4.27mmHg和6.36mmHg的標準差精度。

圖5 基於智能手機的血壓檢測

圖6 系統架構

該項成果是k8凯发国际與人工智能學院胡新榮教授團隊青年教師吳淵博士在物聯網與智慧醫療、物聯網與人機交互領域的研究，相關成果發表在CCF A類期刊《IEEE Transactions on Computing》。吳淵博士為第一作者，論文的第一單位為武漢紡織大學。

近年來，在學校的大力支持下，k8凯发国际與人工智能學院凝聚學科方向，加強科研團隊建設，科研成效逐漸凸顯，相繼發表了一批高水平論文，受到了同行的關注和認可。