产学研深度融合 “墨影寻瘤” 构建皮肤影像智能诊断新生态：省级大创项目赋能团队创新算法攻坚皮肤病检测难题
在人工智能与医疗健康深度融合的趋势下，依托省级大学生创新创业训练计划项目支持，安徽建筑大学由陈永麟老师带领的“墨影寻瘤” 跨学科团队历经潜心研发，成功攻克皮肤病变分割核心技术，相关算法已达到业界领先水平。目前，团队正借助学校专项经费投入推进系统开发与产业化落地，即将与安徽医科大学开展临床试用合作，为皮肤疾病早诊早治注入创新动能。
实地调研锚定需求 大创项目搭建攻坚平台
皮肤病变的精准分割是疾病诊断的关键环节，但传统方法存在效率低、边界识别不准、跨场景适配性差等痛点，尤其给基层诊疗带来挑战。“墨影寻瘤” 团队率先由本科生成员深入多家医疗机构开展实地调研，系统梳理临床诊疗中的核心需求与技术瓶颈，形成详实的调研报告，为项目立项奠定坚实基础。
该项目成功获批省级大学生创新创业训练计划项目后，学校给予专项经费支持，为研发工作提供了重要保障。在安徽建筑大学陈永麟老师的带领下，“墨影寻瘤” 团队整合计算机科学与技术、网络工程等专业优势，组建起涵盖本科生与研究生的跨层协作团队，开启了皮肤病变分割算法的攻坚之路。团队构建“需求调研 – 技术研发 – 迭代优化” 的闭环模式，本科生聚焦市场需求与应用场景调研，研究生专注算法架构设计与技术突破，形成高效协作的研发格局。
核心算法性能领先 系统落地稳步推进
“墨影寻瘤” 团队创新采用 CNN+ViT 混合特征提取架构，融入形态感知模块与少样本域泛化模块，成功研发出 EM-Net 智能皮肤病灶分割算法，有效解决了传统分割技术在复杂场景下的行业痛点。经 ISIC、PH² 等国际权威数据集验证，该算法核心指标表现优异：Dice 相似系数最高达 94.03%，IoU 值最高达 88.92%，跨数据集性能衰减不足 3%，远超行业同类技术水平。
算法可支持皮肤镜图像与智能手机拍摄图像多源输入，秒级输出病灶边界标注、面积测算、形态分析等关键信息，能大幅降低人工阅片压力与主观误差。目前，借助学校经费支持，“墨影寻瘤” 团队正全力推进系统开发与产业化落地，推动构建“云端+本地部署”双模式产品架构，适配不同医疗机构的设备条件与使用需求，相关系统开发工作已进入关键阶段。
产学研协同发力 助力医疗技术普惠
研发过程中，“墨影寻瘤” 团队始终坚持 “技术创新与临床需求深度绑定”，积极构建产学研协同创新体系。与安徽大学人工智能学院共享科研资源，联合开展算法优化与技术攻关；邀请医学专家深度参与需求定义与产品评审，确保技术贴合临床诊疗场景。目前，团队已与安徽医科大学达成合作意向，即将开展临床试用，通过实际应用场景进一步打磨产品性能。
“墨影寻瘤” 团队表示，作为省级大创项目孵化的创新成果，将持续加快系统部署与优化进度，推进临床试用落地，不断拓展算法对更多皮肤病变类型的适配能力。同时，将深化产学研合作，推动技术向基层医疗场景延伸，助力缓解基层皮肤疾病诊疗资源匮乏的困境，让智能诊断技术惠及更广泛人群，以高校创新创业实践助力医疗健康产业高质量发展。