2025年10月15日，我院孙立民教授在书山馆东306组织召开研究生学术报告研讨会，参会人员为其指导的三年级研究生。本次研讨会以促进学术交流为核心，旨在帮助研究生提升科研思维与学术表达能力，同时营造积极向上的科研研讨氛围。
本次报告由 2024级研究生李宜骏主讲，核心围绕医学图像分割在医学图像分析中的基础性作用展开。他系统梳理了该领域的发展现状与主流技术路径，明确指出医学图像分割任务直接关系到器官、病灶及组织结构的精准识别与定量分析，对临床诊断、术前规划及个体化治疗均具有重要意义。同时他也提到，医学影像普遍存在边界模糊、样本有限、噪声较强等问题，导致传统算法在复杂场景下的稳定性难以满足实际需求。
报告从模型架构视角，对近年来主流深度学习模型进行了系统对比分析。首先，卷积神经网络系列模型在特征提取上优势显著，通过多尺度融合与注意力机制强化了局部信息捕捉能力，但受限于卷积核的固定特性与有限感受野，难以有效建模远距离依赖关系。其次，Transformer系列模型借助全局自注意力机制，大幅提升了全局特征建模与上下文感知能力，却也存在计算复杂度高、参数量大、训练依赖性强等问题，在医学图像领域的可扩展性受到限制。
在此基础上，李宜骏同学详细介绍了近年来新兴的 Mamba模型。该模型基于选择性状态空间机制（Selective SSM），同时具备线性复杂度与长程依赖建模能力，为替代传统 Transformer自注意力机制提供了全新思路。报告明确指出，当前该领域的研究趋势正逐步聚焦于：在保持模型高效性的前提下，进一步提升其动态自适应性与跨层语义融合能力，从而更好地适配复杂医学影像的结构多样性。
报告结束后，孙立民教授对本次学术汇报进行了全面系统的点评。他首先肯定了报告选题的前沿性与研究价值，认为报告内容结构清晰、逻辑严谨，充分体现出研究生在文献研读与模型机制理解方面的深入思考。同时，孙教授也针对报告中存在的不足，提出了具体的指导性意见，包括进一步细化研究问题、强化技术路径的可行性分析、明确模型创新方向等。他强调，研究应在扎实的理论理解基础上，紧密结合具体医学场景，注重算法设计与应用验证的有机统一，从而切实提升研究成果的实际应用价值与科学深度。
此外，孙教授还对研究生的学术汇报给出了具体优化建议。他提出，报告在内容选择上需更为聚焦，重点突出问题导向与研究创新性；在表达方式上要注重条理性与学术规范性，进一步提升论述的逻辑严密性与学术表达的准确性。他强调，研究生学术汇报既是科研工作的阶段性展示，也是科研思维与表达能力的重要训练过程，需通过多次研讨持续完善研究方向与思维方法。
本次学术研讨会的举办，为研究生搭建了展示研究进展、交流学术思想的优质平台，有效促进了团队内部的学术互动与思维碰撞。借助导师的系统点评与针对性指导，参会学生不仅对自身研究的方向定位与改进路径有了更清晰的认知，也进一步深化了对大模型在医学图像分析领域应用前景的理解。研讨会在严谨务实的氛围中圆满落幕。此次活动不仅助力学生加深了对学术问题的理解与反思，更充分体现了学院在研究生培养中，注重科研能力与学术素养双提升的核心理念，为后续研究工作的深入推进奠定了坚实基础。
