在医疗技术革新浪潮中，计算机视觉与生物医学的交叉融合正开辟全新研究路径。本项目聚焦乳腺癌智能诊断领域，通过构建深度神经网络模型，探索病理切片自动化分析的前沿技术。
| 研究方向 | 技术应用 | 学科交叉 |
|---|---|---|
| 病理图像特征提取 | 卷积神经网络 | 生物医学工程 |
| 诊断模型优化 | 迁移学习技术 | 计算机科学 |
课程采用分阶段能力培养模式，前期重点夯实Python编程与TensorFlow框架基础，中期进行医学影像数据处理专项训练，后期完整参与从课题设计到论文撰写的科研全流程。
科研导师团队由清华大学交叉信息研究院博士领衔，成员均具有生物医学与人工智能双重背景，近三年指导学生在MICCAI、IEEE JBHI等会议期刊发表论文17篇。
▶ 每季度遴选3-5篇优质论文推荐至国际会议
▶ 科研报告模板符合IEEE论文格式规范
▶ 建立个性化学术发展档案
实验环节使用BreakHis公开数据集，涵盖7909张乳腺肿瘤组织学图像。通过数据增强技术解决样本不均衡问题，采用Inception-v3网络进行迁移学习，最终实现92.7%的跨中心验证准确率。
