具身智能血管介入手术机器人

本项目以血管介入手术机器人为核心载体，围绕具身智能在复杂医疗环境，特别是心血管场景中的关键应用展开系统研究。在血管介入手术中，导丝/导管等器械需穿越复杂且多变的血管网络，完成病灶定位、通路建立等关键操作。传统机器人系统多依赖术者远程操控，智能化程度有限，难以应对微创手术中的实时变化与高精度需求。本项目提出以具身智能为核心驱动的手术机器人系统，强调机器人对手术环境的主动感知、策略学习与自主执行，旨在实现手术机器人任务级的自主化操作。项目主要研究内容包括：构建融合术中X射线影像（如DSA）、术中力觉反馈与器械位姿数据的多模态感知系统，实现血管结构、器械位置与操作上下文语义信息的动态感知与精准表征，赋能机器人对手术环境的实时理解。设计融合专家知识与数据驱动方法的决策算法体系，建构面向手术任务的动作生成模型。开发面向导丝/导管操作的控制策略，实现从高层策略到机器人执行的实时映射与快速响应。同时，本项目引入Sim2Real范式作为关键支撑手段之一，通过构建高保真仿真模型，在虚拟环境中开展策略预训练与验证，并将学习成果迁移至实体机器人，实现策略的快速优化与鲁棒部署。最后，以临床真实手术场景为核心验证平台，在动物模型与仿体系统中开展全流程闭环实验。

多模态医学影像人工智能

本项目聚焦于将人工智能技术应用于医学影像的多模态分析，旨在全面提升临床诊断的精度与治疗决策的智能化水平。项目拟开发新一代深度学习算法框架，融合CT、MRI、X线等多源影像数据，针对复杂病变进行高分辨率的识别、分型与定量分析。同时，进一步拓展至疾病预后预测与疗效评估，构建从影像特征到临床决策的闭环智能辅助系统。为确保算法模型具备良好的临床适应性与落地能力，项目将紧密对接医院真实世界临床数据，构建基于多模态医学影像的大规模智能辅助诊断平台。系统不仅支持多模态影像的深度融合处理，还集成病理、生理、治疗等多维度临床信息，为疾病发展趋势建模与个体化治疗路径优化提供数据基础。项目团队拥有深厚的医工交叉背景和丰富的临床合作资源，已与多家国内三甲医院及大型医疗机构建立长期合作机制，具备开展多中心临床研究的数据基础。所采集的高质量影像数据涵盖多种疾病谱系、不同病程阶段与人群特征，确保模型在多样化临床场景下的泛化能力。同时，依托临床医生参与的数据标注体系，保障训练样本的高准确性与医学价值。通过本项目的实施，期望推动多模态影像人工智能从研究走向临床，提升疾病的早期识别、风险分层与治疗响应预测能力，促进精准医疗和智慧诊疗体系的发展。