研究领域： 多模态医学影像处理 项目简介： 随着肿瘤诊疗向多学科协作（MDT）和精准医疗快速发展，临床对全身多器官、原发灶及转移灶以及关键功能结构的精细化识别和量化评估需求显著提升，而现有医学影像 AI 多集中于单部位、单病种或单模态（多为 CT），在多中心、多设备、多模态（CT/MRI/PET-CT）条件下难以保持稳定性能，也缺乏对新器官、新病种、新人群的持续适应能力；在实际 MDT 流程中，器官/肿瘤分割结果往往与临床路径、预后预测和决策支持系统相互割裂，难以形成可解释、可追溯的“影像结构化表型 → 治疗决策”一体化智能系统；同时，真实世界临床数据质控水平不一、标注成本高且随时间不断累积演化，传统一次性训练的模型难以长期维持性能，更缺乏在多中心部署后利用医生反馈持续迭代优化的机制，因此迫切需要一种面向连续学习的全身多模态高精度分割基础设施，既能在复杂、异质的影像数据中稳定识别多器官和多类肿瘤，又可与 MDT 决策流程深度耦合，实现从数据治理、模型训练、多智能体协同推理到临床应用与再学习的全流程闭环。