课题组在对心脏磁共振图像的分割检测方法中取得了进展，相关研究成果以题为“BSANet: Boundary-aware and scale-aggregation networks for CMR image segmentation”的论文于2024年6月正式发表在《NEUROCOMPUTING》（IF=5.5）。从心脏磁共振（CMR）图像中准确分割出不同的心脏区域，对于提高心脏病的诊断和预后至关重要。然而，心脏结构复杂、CMR 图像对比度低给实现精确分割带来了巨大挑战。因此，本文提出了针对左右心室和心...

课题组在工业互联网场景下实现半监督目标检测方法中取得了相关进展，相关研究成果以题为“Toward Industrial Densely Packed Object Detection: A Federated Semi-supervised Learning Approach”的论文于2024年8月正式发表在中科院一区Top期刊《IEEE Internet of Things Journal》（IF=8.2）。基于深度学习的目标检测技术在缺陷检测等各种工业应用中起着举足轻重的作用。随着行业日益认识到保护敏感数据的重要性，基于联邦学习...