近日，广东省人工智能与现代超声工程技术研究中心、教育部智能制造重点实验室庄哲民教授团队，成功实现专利成果转化，转化金额105万元。这一成果不仅是对团队科研实力的高度认可，更标志着其在人工智能与超声工程交叉领域的研究，迈出了从实验室走向产业应用的关键一步。

庄哲民教授团队长期深耕人工智能与超声影像技术的融合创新，此次转化的“基于深度学习的容积超声图像处理”方面的三个专利，是庄哲民教授团队国家自然科学基金“基于全自动乳腺容积超声成像及三维深度学习的乳腺肿瘤分割与分类模型研究与应用”项目的重要成果。转让专利已用于合作公司与课题组合作研发、国内首创的全自动乳腺容积超声成像系统中，实现了基于深度学习模型完成对乳腺肿瘤多级分类、肿瘤病灶和肿瘤造影区域分割及乳腺组织分层，为人工智能技术在女性乳腺筛查上的研究探索全新的思路与途径。

“从实验室的技术原型到能被产业界认可的成熟成果，我们走过了近十年的打磨之路。”庄哲民教授表示，团队始终坚持“以需求为导向、以应用为目标”的科研理念，此次专利转化的合作企业，正是看中了技术的创新性与实用性。未来，双方还将围绕技术迭代与场景拓展展开深度合作，推动科研成果真正落地生根，为相关产业升级注入新动能。

在实现专利成果转化的同时，庄哲民教授团队的学术研究也获得了丰硕的成果。近期，团队的两篇最新研究成果分别发表于国际权威期刊《Medical Image Analysis》（中国科学院一区，IF=11.8 ）和《Expert Systems With Applications》（中国科学院一区，IF=7.5），展示了团队在人工智能与医学影像应用领域的前沿探索。

发表于《Medical Image Analysis》的论文“Multimodal sparse fusion transformer network with spatio-temporal decoupling for breast tumor classification”通过时空特征分解将诸如超声、超微血管成像和应变弹性成像等多模态影像模态整合，基于稀疏交叉注意力模块，有选择地增强不同模态之间的交互来减少特征冗余和模态间的差异，从而促进更有效的多模态融合，最终通过混合尺度卷积模块捕捉多分辨率的解剖和纹理特征，实现对肿瘤的分类。该方法在分类性能上具有更高的临床可靠性和计算效率，能够有效辅助进行乳腺癌诊断针对医学超声影像的智能诊断展开研究。

发表于《Expert Systems With Applications》的论文“EMCANet: An edge-refined multi-scale convolutional hybrid attention network for robust tumor segmentation in automated breast ultrasound”提出了一种新颖且高效的边缘细化多尺度卷积混合注意力网络（EMCANet），用于自动乳腺超声（ABUS）肿瘤的自动分割，该方法首先通过边缘特征细化融合模块提取沿肿瘤轮廓的边缘特征，并利用空间多尺度卷积混合注意力模块获取多尺度的上下文线索，最终基于组的关联建模对多阶段特征进行对齐，实现了ABUS数据中不同大小和形态的肿瘤分割。该方法帮助临床医生减少ABUS图像中肿瘤分割评估所需的时间，并降低漏诊病变的风险。

作为汕头大学在人工智能与智能制造领域的核心科研团队，长期以来坚持产学研用深度融合的发展模式，形成了“基础研究-技术攻关-成果转化-反哺科研”的良性循环。团队高度重视人才培养，构建了“博士-硕士-本科生”阶梯式科研培养体系。许多学生在参与科研项目的过程中，不仅提升了学术能力，还积累了丰富的实践经验。近年来，团队培养的毕业生中，有不少进入联影、迈瑞、华为等知名企业从事技术研发工作，或在国内外高校继续深造，为行业发展输送了大量高素质人才。

来源：工学院