李思远 · 生物医学工程

在参与某医疗影像分析软件图像预处理模块开发中，针对DICOM格式医学图像噪声高、对比度不均的问题，使用OpenCV与NumPy实现自适应中值滤波和直方图均衡化，将图像信噪比平均提升12.3%，处理速度达15帧/秒，满足实时预览需求。

• 为验证深度学习模型的图像分割效果，独立搭建覆盖10种常见病理类型的测试数据集（共2000例），利用Python编写自动化验证脚本，将Dice系数计算精度控制在±0.005内，帮助团队定位3处前处理参数偏差，模型最终评测耗时降低40%。

• 协助开发团队完成算法验证流水线的集成测试，针对OpenCV与PyTorch接口的兼容性问题，编写30余组单元测试用例，覆盖非标准尺寸、缺失元数据等异常输入场景，测试通过率从82%提升至96.8%。

• 在医学影像可视化模块中，基于OpenCV对CT序列进行窗口宽度/窗位动态调整功能开发，支持预设8种组织类型自动适配，用户操作响应时间从2.1秒降至0.3秒，该功能被项目组前端工程师采纳。

针对LIDC公开数据集中肺结节形态多样、边界模糊的临床难点，主导设计并实现基于U-Net的端到端分割模型：采用TensorFlow框架搭建编码器-解码器结构，引入残差连接与空洞卷积增强特征提取能力。在包含1018例CT扫描的LIDC数据集上完成训练与5折交叉验证，最终Dice系数达到0.85，召回率提升至0.88。

• 为处理原始DICOM格式CT影像的HU值不统一问题，独立编写预处理管线：实现窗宽/窗位自适应归一化、体素重采样至1mm各向同性及肺实质掩膜提取；将预处理后的三维切片输入模型，单例推理时间压缩至2.8秒，满足临床辅助诊断的实时性要求。

• 设计并实现基于图像后处理的结节边界细化算法：利用条件随机场（CRF）对U-Net概率图进行迭代优化，将假阳性区域面积平均减少12%，同时维持Dice系数不下降；该算法被集成至系统原型，在内部测试中辅助医生将结节检出率从76%提升至84%。

• 生物医学信号处理（93分）

• 医学成像原理与系统（96分）

• 生物医学传感器与检测技术（91分）

• 毕业设计：基于多模态融合的脑电信号分类算法研究（院级优秀毕业论文）

• 全国大学生生物医学工程创新设计竞赛一等奖

在2023年全国大学生生物医学工程竞赛中获得二等奖，项目设计了便携式心电监测设备并实现了实时心律失常分类功能。