北京大学 信息科学技术学院 计算机系统结构专业,获博士学位
北京大学 计算机科学技术系 计算机软件专业,获学士学位
近年来主持及参与多项省部级及以上教学类课题与教学成果奖励,覆盖人工智能专业建设、人工智能通识教育、"人工智能+"教材建设、医学影像 AI、石油化工安全生产管理教学、产教融合研究生培养等方向,推动 AI 与本校优势学科深度融合的教学创新。
近年来主要从事人工智能大模型、智能医学装备、智能机器人与智能医疗研究,致力于将 AI 技术深度融入医疗健康、智能机器人与视听媒体处理领域,推动科研成果向临床应用和产业落地转化。
以下六款智能医疗设备已实现技术转让:
自主研发的超广角眼底相机,可实现视网膜大范围高清成像,为糖尿病视网膜病变、黄斑变性、青光眼等眼底疾病的早期筛查和精准诊断提供关键影像支持。已实现技术转让。
基于光学相干断层扫描(OCT)技术,实现视网膜各层微结构的高分辨率三维成像,可用于黄斑病变、视网膜脱离等眼科疾病的无创精准诊断。已实现技术转让。
在传统 OCT 基础上实现便携化设计,方便基层医疗机构和社区筛查场景使用,降低眼科影像检查的门槛,助力优质医疗资源下沉。
基于光声效应的肿瘤显微成像系统,融合光学高对比度与超声深穿透优势,可实现早期肿瘤的高灵敏度、高分辨率无创检测,包括乳腺癌、甲状腺癌、皮肤癌的快速无创诊断。该设备是落实国家卫健委"两癌筛查"政策的重要技术支撑,可为乳腺癌的早期无创筛查提供全新解决方案。团队基于自建的光学分辨率光声显微(OR-PAM)系统,对回盲部恶性肿瘤与混合痔组织切片开展光声显微成像与区域分割,并进一步提出基于 OR-PAM 的虚拟 H&E 染色方法,采用小波增强对比式翻译实现结构保持,将单波长光声图像转换为可解释的病理染色图像,相关成果连续发表于 Journal of Biophotonics(2025、2026)。已实现技术转让。
基于特定波长光谱的深层治疗设备,利用光与生物组织的相互作用实现精准治疗,可应用于伤口愈合促进、疼痛管理、皮肤病治疗、褥疮、手部腕部腱鞘炎("手机手"、"鼠标手")等多个临床场景。已实现技术转让。
利用拉曼光谱分析技术,实现血糖浓度的无创实时检测,告别传统指尖采血。面向糖尿病患者的日常血糖管理提供便捷、无痛的全新解决方案。
集成高速成像与流式分析技术的新型细胞成像仪,可对高通量细胞样本进行快速形态学分析。在宫颈癌早期筛查等领域具有重要的临床应用价值。团队提出面向低成本免标记成像流式细胞术的 Acquisition-Adaptive Minute Target Detection Framework,SM-YOLO 在自建数据集上达到 1129.9 FPS 推理速度与 94.5% mAP50,相关成果发表于 Optical Review(2026)。
面向家用美容场景的三合一便携式 AIoT 智能美容仪,热敷 · 震动导入 · 伸缩推拿 三通道协同工作,以 ESP32-C5 为主控,通过 Flutter 跨平台 App 经 BLE 5.0 无线联动,软硬协同把医美级手法带回家。采用 AON7410 逻辑级 N-MOS 统一分立式驱动架构,具备双轨供电、三级滤波与三重安全保护(低压/堵转/过温),可快速适配 手持式美容仪、LED 光疗面罩、肩颈按摩仪 等多种产品形态。
融合传统听诊技术与 AI 声音分析的智能听诊设备,可对心音、肺音、肠鸣音进行自动采集、降噪和智能辅助分析,提升基层医疗的诊断效率和准确性。
基于深度学习的医学影像智能辅助诊断系统,涵盖眼科影像分析(眼底照片、OCT)、肠道影像分析和宫颈影像分析等,辅助医生提高诊断效率和精度。部分系统已进入临床应用。
面向颈动脉彩超影像的 AI 智能辅助诊断系统,基于卷积神经网络(CNN / YOLOv8)构建多任务模型,实现颈动脉血栓的自动识别、精准分割与形态分类(水母状、丝絮状、羊尾状等),助力脑卒中的早期预警与高危人群筛查。系统与北京安贞医院综合超声科合作研发,2022 年 9 月登上北京电视台《健康北京》栏目。基于真实临床病例数据集训练,模型在验证集上 mAP@0.5 = 0.953、查准率 0.933、查全率 0.912,达到辅助筛查可用级别。已实现技术转让。
面向先天性小耳畸形的 AI 智能筛查系统,融合共聚焦拉曼光谱(分子指纹)与成像式流式细胞仪(形态学)两大技术路线:基于 LDA + Logistic Regression 对 112 例临床样本实现 86.72% 分类准确率,基于 YOLO 深度检测模型在 1000 帧/秒成像流速下对异常细胞检出率达 89%。系统与中国医学科学院整形外科医院外耳整形再造科合作研发,实现无标记、无创、快速、低成本的遗传性疾病早期筛查,可面向优生优育与辅助生殖场景推广。
集成多模态传感的智能鞋垫系统,可实时采集步态、足底压力等数据,结合 AI 算法进行运动分析和健康评估,应用于运动康复、老年人跌倒预警等场景。已实现技术转让。
采用柔性传感器和先进抗干扰算法的可穿戴心电监测设备,实现日常生活中连续、稳定的心电信号采集与智能分析,为心血管疾病的预防和预警提供数据支撑。
面向家庭陪伴机器人的端侧实时语音对话系统,在桌面端与 Raspberry Pi 5(Ubuntu)边缘平台上实现低延迟、可打断、带回声消除的自然语音交互。核心技术包括双状态 AEC 回声消除、能量 + VAD 双重门控、本地 Barge-in 检测、全双工三态状态机,以及系统提示一次注入的人设与用户背景定制。基于 Flutter 跨平台 UI 同时覆盖桌面端与嵌入式端,可扩展为语音驱动的家庭服务机器人,应用于儿童陪伴、老人看护与家庭服务小车等场景。
面向 STEM 与嵌入式入门 的二驱智能车:WiFi/BLE 扩展遥控与联网,超声波避障、运行按键与红绿 LED 状态指示,MicroPython 易教易学;硬件开源、装配快,极低成本(核心物料¥32.98、整车¥35~40,详见专题页)。适用于高校机器人与人工智能实验、创客与通识课。
面向家庭陪伴、室内巡逻与智能看护场景的 Raspberry Pi 5 机器人平台,集成差速底盘、N10 激光雷达、IMU、轮速里程计、SLAM 建图、Nav2 自主导航、Web 遥控与实时语音交互扩展。项目采用 Pi5 + ESP32-S3 分层控制,支持 EKF 融合定位、多车部署和浏览器点击导航,可作为 ROS2、具身智能、家庭看护与机器人系统工程课程的实物平台。
面向居家和机构养老场景的智能服务机器人,集成语音交互、健康监测、紧急呼叫、陪伴聊天等功能,为老年人提供全方位的智慧养老服务。
将传统中医康复理疗手法与机器人技术深度融合的智能设备,可实现精准化、标准化的中医理疗操作,推动中医康复的智能化和规范化发展。
面向生物制药领域的智能机器人系统,可自动完成药物制备、样品处理等实验流程,提高实验效率和一致性,加速新药研发进程。
面向机器人领域的多模态大语言模型,融合视觉、语言、触觉等多模态信息理解与推理能力,赋能机器人实现更自然的人机交互和更智能的自主决策。
基于大语言模型的大学生求职智能辅导系统,支持简历与岗位 JD 的智能匹配分析,自动生成综合评估报告,精准识别核心优势与能力差距,并提供简历优化建议、面试准备向导和职业发展规划,助力大学生高效求职、精准就业。
基于大语言模型的危化品安全智能评估系统,面向危化品实验室和危化品企业,利用 AI 对现场图片、文档资料和管理制度进行智能分析,依据北京市地方标准 DB11/T 1322.2—2017《安全生产等级评定技术规范》等标准自动生成安全评估报告,精准识别安全隐患并提出改进措施,助力学校、实验室、企业安全生产等级评定和安全管理水平提升。
面向锂电池管理系统(BMS)的智能预测框架,覆盖实时电量(SOC)、健康状态(SOH)、循环寿命(Cycle Life / RUL)三大核心任务。在 XJTU 数据集上,Classic MLP 取得 MAPE 0.82%(参数量仅 3,713,为 Wang PINN 的 48%),略优于 Nature Communications 2024 所报告的 PINN 常规实验 0.85%;在 MIT 数据集上,通过 4 个精选特征的 XGBoost 取得 MPE 9.05%,略优于 Nature Energy 2019 论文基准 9.10%。验证了"简单胜复杂"的方法论,可面向电动汽车、储能站、退役电池梯次利用与电池出厂筛选等场景推广。
课题组长期招收对人工智能大模型、智能医学装备、智能机器人、智能医疗等方向感兴趣的博士后和研究生。欢迎具有人工智能、计算机、电子信息、光学、生物医学工程、自动化、机械等相关专业背景的同学联系报考。