沈逸 · 生物医学工程

主导监护仪嵌入式系统底层驱动开发，基于C和嵌入式Linux实现多通道串口通信协议，将多传感器数据采集延迟控制在1.8ms内，保障实时生命体征监测稳定性。

• 遵循IEC 62304标准编写软件安全文档与测试用例，主导通过国家医疗器械认证（CFDA），产品获II类医疗器械注册证，一次性通过率100%。

• 优化Linux内核启动流程与驱动模块，将系统开机时间从15秒缩短至2.8秒，满足临床紧急场景下的快速部署需求。

• 设计实时任务调度算法，管理血氧、心电、血压等6路传感器数据同步采集与优先级处理，异常事件响应时间<0.5ms，零丢包运行超过2000小时。

• 编写超过5.2万行C代码，构建分层模块化架构，代码复用率达65%，并实现单元测试覆盖率97%，通过静态分析工具修复127个潜在缺陷。

针对云端PACS平台对胸部CT影像的自动化分析需求，使用Python与PyTorch设计并训练了基于3D U-Net的肺结节分割模型，结合DICOM图像预处理与后处理，在500例内部测试集上达到Dice系数0.92，结节检出灵敏度95.3%，且单例处理时间控制在2.8秒内。

• 为解决大规模临床数据下的实时处理瓶颈，将算法系统容器化（Docker）并部署于Kubernetes集群，实现了5节点弹性伸缩与负载均衡，系统峰值吞吐量达到每日600+胸部CT扫描，平均响应延迟从8秒降至3.2秒，支撑了3家三甲医院的云端PACS试点。

• 为提升医生对病灶的空间理解，基于分割掩模开发了多角度3D重建与交互式可视化模块，支持DICOM RT-STRUCT输出，在50例疑难病例中辅助医生将结节检出率从87%提升至93%，并将误诊率降低12%。

• 主导了从数据标注、模型蒸馏到云端API的全链路开发，通过DICOM C-FIND/C-STORE协议与PACS系统深度集成，设计异步队列与增量推理逻辑，最终系统在20万例真实临床数据上完成验证，假阳性率降至0.8个/扫描。

接手一款尚未进入临床验证的超声甲状腺结节分类原型，带队5人采用Scrum双周迭代重构数据管道并引入TensorFlow量化感知训练；7个月内将模型在独立测试集上的AUC从0.82提升至0.93，并在3家合作医院完成前瞻性采集的1240例影像盲评，达到预设的临床接受标准。

• 主导跨部门（硬件、算法、注册）的需求拆解与优先级排布，将产品需求文档（PRD）中46项功能指标逐一落实到sprint backlog；通过每日站会和Jira看板管控进度，使核心模块开发周期从预估的9个月压缩至7个月，且零重大需求遗漏。

• 为准备FDA 510(k)预审，组织团队梳理算法技术文档、临床性能报告及软件生命周期文档共28份，并搭建可复现的离线验证流水线；在预审会议中一次性回应审评员关于训练数据来源和泛化性的所有质疑，后续正式提交时未收到额外信息请求。

• 设计并推动“边缘端推理优化”专项，将预训练的超声分割模型通过TensorFlow Lite定点化并部署至便携式超声设备；在保持Dice系数≥0.91的前提下使单帧推理耗时从320ms降至45ms，满足了实时辅助扫查的产品需求。

主导构建包含300+例多中心脑肿瘤MR（NIfTI格式）的标注数据集，采用随机弹性形变、强度偏移等增强策略将样本扩充至2400+例，训练3D U-Net模型在独立测试集上达Dice系数0.87，较基准提升5.2%。

• 基于3D U-Net设计多任务输出分支同步预测肿瘤整体、核心及增强区域，引入混合损失函数（Dice+Focal），在5折交叉验证中平均敏感性0.91、特异性0.95，病灶体积量化误差<8%。

• 同步推进临床验证：在合作医院50例独立前瞻性队列中，模型分割结果与放射科医师手动勾画的Dice一致性达0.86，单例推理时间压缩至15秒（GPU），满足实时辅助诊断需求。

• 作为技术负责人撰写2篇SCI论文（1篇中科院二区已接收，1篇在审），系统阐述数据预处理、模型架构及临床验证流程，并公开部分代码与预训练权重促进同行复现。