陈志远 · 生物医学工程

在监护仪产品开发中，针对信号采集模块噪声过高问题，主导硬件调试与滤波器设计，通过优化PCB布局和级联滤波器参数，将心电信噪比从25dB提升至38dB，使产品通过ISO13485认证审核中的关键性能指标。

主导多参数监护仪信号处理算法验证，设计并执行2000+组测试用例，覆盖心率、血氧、血压等通道，将信号误报率从8%降低至2.3%，显著提升临床可靠性。

负责硬件调试流程标准化，编写15份硬件调试作业指导书及信号处理测试规范，推动团队测试效率提升40%，并确保产品符合ISO13485质量体系要求。

在监护仪系统集成测试中，识别并解决电源噪声对呼吸波形的干扰问题，通过改进电源滤波电路和信号处理时序，使呼吸检测准确率从92%提升至99.5%，降低客户投诉率。

作为硬件与算法接口负责人，协调研发与测试团队，完成3个监护仪型号的信号处理模块量产验证，累计支持1000+台设备交付，实现零硬件返修。

针对某型号CT扫描仪重建效率瓶颈，重构基于ITK的并行迭代重建框架，利用多线程与SIMD指令优化加速，将512×512矩阵重建时间从15秒降至4.2秒，同时改进正则化参数使图像CNR提升22%。

主导开发低剂量CT图像后处理管道，设计基于自适应多尺度滤波的噪声抑制算法，在50%剂量条件下保持与常规剂量一致的SNR（波动≤0.3dB），并通过DICOM结构化报告集成至PACS系统，临床试用后影像科阅片时间缩短18%。

为支撑快速扫描需求，设计C++模板化的CT重建引擎，支持GPU/CPU异构计算，单次螺旋扫描重建吞吐量达12帧/秒，较原方案提升4倍，同时保证图像质量满足IEC 61223标准。

针对金属伪影干扰诊断的问题，研发基于迭代校正的金属伪影消除算法（使用ITK与自定义投影域修正），将伪影区域CT值偏差从±150HU降至±25HU，经100例临床测试，诊断一致性评分提高0.35（p<0.01）。

统一团队DICOM数据处理规范，搭建基于ITK的图像质量自动评估模块，实现从原始投影到重建图像的端到端量化分析，使算法验证周期从2周缩短至3天，支撑后续3个产品级重建模块的迭代。

从零组建并领导一支12人的算法团队，通过定向招聘与内部培养，在9个月内完成核心人员到位，主导开发基于深度学习的肺结节辅助检测系统。

采用PyTorch框架设计多尺度U‑Net分割模型，在内部验证集上达到0.96的Dice系数，并将单例CT推理时间压缩至1.8秒，满足临床实时流程。

主导FDA 510(k)申报全流程，包括制定临床验证方案、组织多中心回顾性研究（覆盖3000例病例），最终在13个月内获批，成为公司首款获FDA认证的AI诊断产品。

推动系统在7家三甲医院部署，累计处理15万例影像，实现结节检出率提升21%、误报率降低25%，并支撑放射科医生日报告量增加30%。

针对集团现有影像平台扩展性不足、无法支持多模态数据实时处理的瓶颈，主导设计并落地基于云原生的新一代医学影像平台，采用Kubernetes与微服务架构重构核心模块，实现CT、MRI、超声等5类影像的实时传输与处理，影像加载延迟从2.3秒降至0.8秒，系统并发吞吐量提升至原来的3.2倍。

为消除多产品线间数据格式与接口碎片化，推动建立集团级医学影像技术标准体系，统一DICOM扩展、REST API及质量验证规范，覆盖12个在研产品线，跨团队协作开发效率提升35%，新项目集成周期平均缩短40%。

担任技术导师，组建并带领6人的专家架构团队，通过每周架构评审与RTD（实时数据管道）专项培训，使团队在云原生部署、流式处理方面的工程成熟度从CMMI 2级提升至4级，年度交付项目延期率从30%降至8%。

自主设计并实现RTD实时数据管道，将设备端影像数据到云端AI推理引擎的传输延迟压缩至亚秒级，同时引入端到端质量监控机制，保障诊断级图像无损传输，系统全年可用性达到99.992%。

统筹规划平台的可扩展存储与检索架构，采用对象存储与分布式索引引擎，支撑PB级影像数据管理，使百亿级元数据查询响应时间从3.2秒降至120毫秒，为后续AI训练数据湖奠定基础。