一、方向概况与选拔要点

复旦大学智能影像处理及计算机辅助诊断方向依托生物医学工程与技术创新学院、计算机科学技术学院、类脑智能科学与技术研究院、附属中山医院/华山医院/肿瘤医院影像科与智慧医疗中心、上海市医学影像计算重点实验室、国家新药筛选中心复旦分中心等平台，聚焦CT/MRI/超声/X线/病理切片智能分析、病灶自动检测与分割、多模态影像融合、影像组学与深度学习、大语言模型辅助诊断报告生成、可解释AI与临床决策支持、联邦学习与隐私保护、小样本与弱监督学习、边缘部署与实时推理等前沿领域。

选拔要求：绩点前10%，核心课程涵盖数字图像处理、计算机视觉、机器学习与深度学习、医学影像学、解剖学、病理学、概率统计、最优化方法、Python/C++编程等；英语六级520分以上，能精读《医学图像分析》《IEEE医学成像》《放射学》《自然·医学》《柳叶刀·数字健康》等期刊。2027级推免拟招收约4至5人，建议尽早联系导师。

二、知点保研核心优势

一是近十年深耕保研辅导，精准把握"数据采集标注—模型设计训练—多中心验证—临床注册—真实世界部署"全链条选拔逻辑；二是专注复旦，深谙从传统影像组学到端到端深度学习、从单任务到多任务联合学习、从监督学习到自监督/对比学习、从离线分析到临床嵌入式系统等前沿偏好；三是一对一匹配影像分割、病灶检测、影像组学、CADx系统开发、医学NLP、可解释AI、联邦学习等子方向导师；四是理论加实训（PyTorch/TensorFlow、ITK/VTK/3D Slicer、MONAI、模型部署）加顶刊精读加临床数据实战；五是严格督学与全流程闭环服务。

三、辅导体系

绩点提升：强化数字图像处理、计算机视觉（CNN/Transformer/U-Net/Swin Transformer）、医学影像学（CT/MRI/超声/X线/PET成像原理）、解剖学与病理学基础、机器学习与深度学习、概率统计与贝叶斯方法、最优化理论、Python/OpenCV/ITK/VTK/MONAI/3D Slicer、医疗器械法规与临床验证等，夯实"影像—特征—模型—诊断—验证—部署"全链路知识体系。

英语提升：重点掌握图像分割、目标检测、影像组学（radiomics）、深度学习、迁移学习、自监督学习、对比学习、扩散模型、大语言模型（LLM）、可解释AI（XAI）、注意力机制、Grad-CAM、联邦学习、差分隐私、多中心验证、域适应（domain adaptation）、数据增强、交叉验证、ROC/AUC、灵敏度/特异度、F1分数、Dice系数、前瞻性临床试验、FDA/NMPA审批、真实世界证据（RWE）等核心术语。

论文辅导：引导选择弱监督/半监督学习在标注稀缺医学影像中的应用、多模态（CT+MRI+临床）融合诊断模型、大语言模型辅助影像报告生成与"幻觉"抑制、可解释AI在临床决策中的信任构建、联邦学习框架下多中心隐私保护协同训练、小样本学习在罕见病影像诊断中的泛化策略、轻量化模型边缘部署实现基层医院实时辅助诊断、影像组学与深度学习融合的肿瘤预后预测等前沿议题。

笔试与面试：涵盖图像处理与计算机视觉、医学影像学与解剖病理、实验设计（分割/检测指标、消融实验、统计检验、多中心验证）；面试针对"深度学习'黑箱'如何满足临床可解释性""多中心数据异质性与域偏移如何克服""AI辅助诊断的责任归属与伦理边界""从AUC 0.95到临床落地的'最后一公里'""小样本下模型泛化如何保障""大语言模型在影像报告中的'幻觉'问题""联邦学习的通信效率与隐私-效用权衡""影像组学特征稳定性与可重复性挑战"等高频追问专项突破。

四、结语

智能影像处理及计算机辅助诊断是"以像素为语、以算法为眼、以诊断为桥、以患者为归"的医学智能化前沿。当AI在千张CT中精准锁定一个3毫米肺结节，当大语言模型将复杂影像转化为结构化诊断报告，当联邦学习让十家医院在不共享原始数据的前提下共同提升模型性能——技术正以"影像为基、算法为魂、临床为锚、伦理为缰"的姿态重塑诊断的每一个环节。然而，可解释性、数据异质性、临床验证、责任归属、部署成本等挑战仍如峻岭横亘。当前，我国正从"算法跟随"向"原创框架、临床引领、标准输出、普惠赋能"跨越。知点保研愿助力有志于"以代码为笔书写诊断之精准、以像素为眼洞见疾病之隐匿、以创新为桥连通技术与临床之岸"的同学稳步前行。咨询报名可致电4000003363，或添加微信13671344286获取个性化评估与规划建议。