為貫徹學校“三個三”發展戰略部署，推進人工智能與教育教學深度融合，學校教師教學發展處推出教師數字素養提升系列工作坊。活動聚焦教育教學數字化轉型需求，通過學校和各教學單位輪流承辦的形式，著力打造智能教育教學創新共同體。第九期活動由基礎教學部承辦。

近日，基礎教學部邀請吉林大學教授張小利來校開展“AI賦能構建數字模型多模態圖像融合及解譯”主題教學工作坊，全體教師參加學習研討。

1.多模態圖像融合的跨學科應用價值與挑戰

張小利教授詳細闡述了多模態圖像融合技術在醫學、遙感和工業等領域的多元應用。以醫學領域為例，通過融合MRI與SPECT圖像降低誤診率，充分展現了該技術跨學科的實用價值。同時，技術落地面臨諸多挑戰，如醫學圖像融合中的結構干擾、多焦距圖像的焦點誤判等問題，凸顯了算法持續優化的必要性，啟示教師在實際應用中需結合具體場景需求，針對性優化算法，平衡精度與效率。

2.問題導向的創新研究路徑與實踐案例

張小利教授展示了邊緣感知濾波、軟閾值分割、對比蒸餾等算法，體現了“問題導向-理論創新-實驗驗證”的研究路徑。例如，針對傳統清晰度指標在平滑區域的失效問題，通過圖像成分劃分與距離變換系數重構焦點檢測邏輯，這種將圖像細分處理的思路極具啟發性。此外，普適性融合框架中的預測層與細節層分離設計，以及模態缺失下基于補丁選擇的知識蒸餾方法，展現了從數據特征與任務需求出發構建模型的創新性，為解決復雜場景下的融合問題提供了新范式。

3.科學評估體系的構建與跨模態遷移學習應用

張小利教授系統分析了傳統融合評價依賴單一指標的局限性，介紹了基于Riesz變換的RFSIMF指標與3D ROC分析方法，強調多維度、客觀性的評估原則，提示教師在技術開發中需同步構建科學的評價體系，避免單一指標的局限性。此外，模態缺失下的解譯技術將多模態知識遷移至單模態網絡，這種跨模態遷移學習的思路可延伸至其他數據稀缺場景，如小樣本學習或跨設備數據融合，為解決實際應用中的數據瓶頸問題提供了參考。

4.輕量化部署與未來技術發展方向

張小利教授強調了輕量化網絡架構與邊緣設備部署在技術產業化中的關鍵作用。結合當前人工智能與物聯網的發展趨勢，未來可探索多模態融合技術與邊緣計算、實時處理的結合，提升算法在移動端或嵌入式設備的運行效率。同時，跨領域的知識融合可能成為新的研究增長點，通過多維度數據融合進一步推動精準醫療等領域的創新發展。

本次工作坊系統梳理了多模態圖像融合技術的發展脈絡，通過深入剖析典型應用案例，助力教師掌握該技術從理論到實踐的關鍵實現路徑。參會教師紛紛表示，在今后教學科研工作中，將立足學科交叉優勢，注重理論與實踐相結合，以問題為導向，借鑒工作坊中的創新思路（如細分處理、分層融合設計），將前沿技術成果有機融入教學實踐，著力提升學生的創新應用能力。

來源：教師教學發展處、基礎教學部

初審：李睿

復審：袁藝

終審：李英杰