近日，智能康复系统感知与控制国际联合研究中心本科生，机器人拔尖班学生：张健，曹宇在团队于钥、周楠等老师指导下，在ICCCS会议上发表一种专为下游诊断任务优化的医学图像超分辨率重建网络的研究。针对困扰医学超分辨率领域的痛点：传统方法要么图像过于平滑、丢失诊断细节，要么追求视觉逼真却引入“幻觉”纹理，反而误导医生和AI诊断系统。该研究提出“小波域频带感知损失函数”作为解决方案。

图1 整体框架

该研究通过离散小波变换（DWT）和平稳小波变换（SWT）将图像分解为低频结构和高频细节两部分，并首次提出对不同频带施加差异化损失约束：低频部分用MSE保证关键解剖结构不失真，高频部分引入LPIPS提升细节真实感同时抑制伪影。这种“频带分别优化”的策略，让重建图像既保留了高PSNR/SSIM的客观质量，又显著提升了感知自然度。 

图2 脑瘤重建图像

图3 正常重建图像

研究系统验证了超分辨率图像对下游诊断任务的真实影响。在脑瘤MRI四分类任务（胶质瘤、脑膜瘤、垂体瘤、正常）中，使用该小波复合损失的重建图像，提升VGG16分类准确率，超越了单一MSE和LPIPS方法。该研究综合考虑“下游任务表现”，打破了以往只盯着客观指标的局限，为真正能辅助临床诊断的超分辨率算法指明方向，将实验室算法推向临床落地的工作。

作为认知计算与智能系统领域的重要国际会议，ICCCS 为全球顶尖学者与青年学子提供了高水平交流平台。此次中心本科生团队的研究成果获会议认可，不仅展现了学子扎实的跨学科科研能力，更体现了中心在“智能技术 + 医学康复”交叉领域的人才培养成效。中心始终聚焦智能康复核心技术攻关，为学生搭建科研实践与学术交流平台，助力青年人才成长。未来，中心将持续支持学子深耕学术创新，推动更多智能康复技术成果落地，为临床诊断与康复医疗智能化升级注入青春力量！

一 审：  周   楠

二 审：  罗浚溢

三 审：  施开波