近日，我院廖苗副教授团队在CCF A类、中科院一区TOP期刊《IEEE Transactions on Image Processing》上发表研究成果“FocalTransNet: A Hybrid Focal-Enhanced Transformer Network for Medical Image Segmentation”(DOI: 10.1109/TIP.2025.3602739)。《IEEE Transactions on Image Processing》影响因子为13.7，是图像处理领域的国际顶尖权威刊物。

医学图像中的解剖结构具有高度可变性和复杂性，器官或病灶的形态、大小、位置因个体差异、病理状态等因素表现出广泛的多样性，尤其恶性肿瘤往往呈现边界模糊、浸润性生长等特点，与正常组织难以区分，这都给医学图像的自动精准分割带来了巨大挑战。本研究提出了一种基于焦点增强Transformer的医学图像自动分割模型FocalTransNet。该模型采用CNN-Transformer双路径结构，通过引入密集交叉连接，实现了局部和全局特征的深度交互与融合；提出了一种用于下采样的对称块融合模块，通过建立特定的信息补偿机制解决了层级特征提取过程中下采样造成的细节丢失问题，可有效提升小尺寸、边界模糊目标的分割精度。提出模型在多个医学图像分割数据集上进行了验证，其性能显著优于当前主流的卷积网络、Transformer及其混合网络。该研究成果可为临床诊疗提供精准、可量化的解剖结构或病灶信息，辅助医生精确定位病灶范围、评估疾病进展，为手术规划、放疗靶区勾画、介入治疗导航等提供关键空间依据，提升医疗决策的准确性和治疗效率。

近年来，廖苗副教授团队面向智能医疗、精准放疗等领域，开展医学影像目标识别、跨模态医学影像配准、放疗剂量预测等研究，取得了一系列重要的研究成果，在Information Fusion、IEEE Transactions on Image Processing、IEEE Transactions on Fuzzy Systems、自动化学报等国内外权威期刊发表论文四十余篇。