张丹老师在人工智能与医学影像分析交叉领域取得相关进展，相关成果以题为 “MTD-Net: A robust multi-task discriminative network for choroidal neovascularization segmentation” 的论文于2025年10月30日接受，并将于2026年4月正式发表在模式识别领域国际权威期刊 《Pattern Recognition》（中科院一区TOP期刊，IF=7.6）。

图 1. (a) 健康人眼底图像；(b) 患者的 FA 图像；(c)患者的 ICGA 图像；(e)–(g)患者的 OCTA 图像。

该研究聚焦老年性黄斑变性等致盲性眼病中的关键病理特征-脉络膜新生血管的智能分割问题。针对光学相干断层扫描血管成像中普遍存在的噪声干扰、结构模糊及病灶形态复杂等难题，研究团队提出了一种鲁棒的多任务判别式深度学习网络模型。该模型通过联合建模病灶区域、边界与形状结构信息，并引入不确定性估计机制，有效提升了复杂医学影像分割的准确性与稳定性。

图 2.  MTD-Net 网络结构示意图，包括多任务解码器和判别式特征提取模块。

该成果充分体现了我院在人工智能核心技术与智慧医疗应用融合方面的研究特色，也是学院持续推进“AI+医疗健康”方向的重要进展。研究工作依托学院在人工智能、模式识别与数据智能方面的研究积累，为相关领域研究生培养和高水平科研成果产出提供了有力支撑。该研究成果的发表对推动医学影像智能分析技术的临床应用具有积极意义。

论文信息

Zhang, D, Liu, M, Chen, T, Li, H, Ying, J, Chen, D, Li, B, Yi, Q, Zhang, J (2025) MTD-Net: A robust multi-task discriminative network for choroidal neovascularization segmentation, Pattern Recognition, 172(Part D), 112697, ISSN: 0031-3203. DOI: 10.1016/j.patcog.2025.112697.