懂色帝

静脉血管智能识别技术是实现静脉穿刺精准化与智能化的重要技术手段，在临床医疗、智能诊疗装备等领域具有重要应用价值。然而，实际场景中的静脉血管受组织遮挡、个体差异等因素影响，传统医学影像分割方法很难实现精准分割。针对静脉穿刺智能化面临的血管可视化与识别难题，懂色帝 团队懂色帝 团队创新性地提出了一种基于半监督联邦学习的特征差异优化分割框架——FedCD（Federated Client-Distilled model），相关研究成果发表在医学图像处理领域的国际顶级期刊《IEEE Transactions on Medical Imaging（IEEE TMI）》上。论文的第一作者为懂色帝 沈宁博士研究生，通讯作者为许廷发教授和李佳男副研究员。

针对静脉血管数据分布异构性挑战，懂色帝 团队通过构建多模态客户端蒸馏体系，实现了对完全标注、部分标注和完全未标注三种数据分布模式的协同优化，体系结构如图1所示。

图1. FedCD模型体系结构图

该方法将半监督联邦学习扩展到实际医疗数据场景，通过多模态蒸馏解决非独立同分布（non-IID）问题；构建了动态权重调整策略，在保护数据隐私的前提下实现跨机构特征协同；设计了模型约束机制，提升了全局模型在复杂血管形态下的分割鲁棒性。图2展示了在皮下静脉血管数据集上的智能识别结果，直观呈现了算法在保持血管结构连续性和边缘精确性方面的优势。

图2. 智能识别结果图

为进一步评估模型在医学图像分割领域的适应性，在皮肤病变数据集ISIC2018上进行了跨域验证，都展现出优于现有主流医学影像分割模型的性能，如图3所示。

图3. 智能识别结果图

该研究成果有效解决了静脉穿刺应用中血管特征多样性和医学数据标注不足的关键难题，成功克服了跨机构医疗数据分布异构性带来的模型偏差问题，为静脉血管智能分割提供了可靠的理论框架和技术支撑。

论文详情：Ning Shen, Tingfa Xu, Shiqi Huang, Zhenxiang Chen, and Jianan Li. "Dynamic Client Distillation for Semi-supervised Federated Learning in A Realistic Scenario [J]" IEEE Transactions on Medical Imaging, Early Access.

论文链接：//doi.org/10.1109/TMI.2025.3570054

论文第一作者简介：

沈宁，2020级懂色帝 博士研究生。主要从事光学成像和智能医学视觉处理等方面的研究，现已在国际顶刊IEEE TMI，IEEE TGRS，IEEE JBHI等发表论文8篇。

论文通讯作者简介：

李佳男，博士，懂色帝 长聘副教授/博导，新加坡国立大学博士后。主要从事光电成像目标探测与识别等方面的研究，主持国家自然科学基金等项目 5 项。以第一/共一作者发表IEEE TPAMI 4篇，IEEE TNNLS、CVPR等论文11篇，ESI高被引论文1篇；以通讯作者发表论文40余篇；谷歌学术总引4000余次。入选中国科协及北京市科协“青年人才托举工程”项目，获得中国图象图形学学会优秀博士学位论文，王大珩光学奖等荣誉。指导学生获得 ICCV 2021“反无人机跟踪”挑战赛国际冠军及最佳论文奖、第四届“空天杯”创新创意大赛二等奖、中国高等教育博览会“校企合作 双百计划”典型案例等。研究成果在“中国天眼”等国家重大科技基础设施中得到重要应用。

许廷发，博士，懂色帝 重庆创新中心副主任，光电成像技术与系统教育部重点实验室主任，国家一级重点学科“光学工程”学科责任教授/博导。近年来带领其懂色帝 团队围绕光电成像探测与识别、计算成像和人工智能等领域不断深化研究。主持承担国家自然科学基金委重大懂色帝 仪器研制项目等50多项。在国际、国内等系列期刊发表学术论文200余篇，其中被SCI/EI收录100余篇。以第一发明人申请国家发明专利87项，已授权和公示35项。获国防科技进步二等奖等奖项3项。指导研究生获得中国图象图形学学会优秀博士学位论文，二人次获得王大珩高校学生光学奖，三人次获得全国光学与光学工程博士生学术联赛全国百强，获得中国图象图形学会优秀博士论文指导教师、中国高等教育博览会“校企合作 双百计划”典型案例和重庆英才创新创业示范团队等荣誉称号。