肯尼迪理学院米纳计算机与信息科学学院邀请您参加由Alimire Nabijiang进行的博士论文答辩，题目为《结肠镜检查中息肉尺寸估算与单目深度增强的深度学习流水线》。
候选人：Alimire Nabijiang
日期：2025年8月22日（星期五）
时间：美国东部时间上午9:00-10:00
形式：Zoom线上会议
摘要：
结直肠癌仍是全球重大健康问题，早期结肠镜检查可显著降低其发病率与死亡率。息肉尺寸是决定随访周期和治疗策略的关键临床参数。目前临床主要依赖最大直径的线性测量法，但这种方法存在主观性强、准确性差等局限性。替代性指标如表面积和体积虽能更全面表征息肉形态，但在临床研究中尚未得到充分探索。
本研究提出三项创新性解决方案：
- 三维表面重建算法：通过构建规范相机空间转换的度量深度估计网络，结合鲁棒性分割和泊松表面重建算法，首次实现了从单视角结肠镜图像生成3D表面模型的技术验证，为未来表面积测量提供理论基础
- ViTCAN-Depth混合模型：融合并行CNN与视觉变换器编码器的单目深度估计算法，配合深度-像素线性模块（DPL）实现实时单位测量，消除手动校准需求
- 自监督教师-学生框架：采用边缘引导的区块化监督方案，有效弥合合成数据与真实数据间的性能差距，在保证全局尺度准确性的同时提升细节分辨率
实验显示，该方案在合成数据集和真实结肠镜图像中均优于现有方法，特别是在应对形态变异和时间动态变化方面表现出色。研究团队开发的轻量化模块在临床环境中实现了准确性和计算效率的平衡，为实时AI辅助诊断工具的开发奠定基础。
【全文结束】
