2025年11月23日15:00，信息与智能工程学院的“信智大讲坛”迎来了一场聚焦医学人工智能领域的学术分享。HDA-vmunet——一种用于医学图像分割的高阶动态自适应视觉曼巴模型正式亮相，为复杂医学影像的精准分割提供了新的技术思路。
本次分享由孙立民教授主讲，围绕医学图像分割的临床需求与技术瓶颈展开。据他介绍，医学图像分割是临床诊断和术前规划的核心基础任务，但传统方法常受组织边界模糊、样本量有限等问题的制约；而主流的CNN和Transformer模型则存在局部特征局限或计算成本过高的不足。
学院的研究团队基于状态空间模型（SSM）的新范式，提出了HDA-vmunet模型。该模型融合了高阶动态自适应模块（H-DAVSS Block）与通道-窗口注意力模块（CWAB），通过动态自适应扫描机制捕捉影像全局关联，并采用多尺度特征融合架构提升分割精度。在实验环节中，团队在ISIC2017/2018皮肤镜数据集和Kvasir-SEG息肉数据集（共5494张影像）上完成了验证，使用AdamW优化器和BceDice混合损失函数训练250个epoch，最终通过mIoU、DSC等指标证明了模型的有效性。
信息与智能工程学院的“信智大讲坛”长期聚焦信息智能领域的前沿研究，此次分享也体现了学院在交叉学科研究中的探索与实践。该研究将曼巴模型的长程依赖建模能力与医学影像的实际需求相结合，既兼顾了分割精度，也控制了计算成本，为医学AI的落地应用提供了可行的路径。
一审一校 | 申玮帆
二审二校 | 杨 涛
三审三校 | 李成名 尹 娜
