基于卷积神经网络（CNN）与 Transformer 架构，实现对百余种心律失常的高精度自动识别与预警。
利用深度学习模型对心电信号进行起搏类型诊断，提高诊断准确率。
汇聚计算机科学、生物医学工程与临床医学的跨学科人才
实验室负责人 / 导师
主要研究方向为医学人工智能、医学信号与医学图像处理。致力于将前沿AI技术应用于临床医学诊断，推动智能医疗的创新发展。
核心成员 / 超声图像处理专家
专注于超声心动图图像处理研究，运用计算机视觉和深度学习技术对超声图像进行智能分析，提升心脏疾病的早期诊断能力。
核心成员 / ECG起搏专家
专注于ECG起搏领域的深入研究，在起搏器信号识别、起搏类型自动诊断等方面具有丰富经验，致力于提高起搏心电图的诊断准确率。
核心成员 / 多模态大模型专家
专注于ECG多模态大模型应用研究，探索心电信号与临床文本、医学影像的深度融合，构建智能化的心血管疾病诊断系统。
核心成员 / 医学图像专家
专注于RetiXE医学图像领域研究，运用先进的深度学习技术进行医学影像的智能分析与诊断，为临床提供精准的辅助诊断支持。
核心成员 / 导联重建专家
专注于ECG导联重建技术研究，通过深度学习算法实现缺失导联的智能重建，提升心电信号采集的完整性和诊断的可靠性。
核心成员 / TanH领域专家
专注于ECG结合TanH激活函数的深度学习模型研究，探索新型神经网络架构在心电信号处理中的应用，提升模型的表达能力和诊断精度。
核心成员 / 自监督学习专家
专注于ECG自监督学习领域研究，通过无监督和半监督学习方法挖掘心电信号的内在特征，减少对大量标注数据的依赖，提升模型的泛化能力。
IEEE Transactions on Instrumentation and Measurement, 2022, 71:2514011
Biomedical Signal Processing and Control, 2023, 86:104922
Cell Reports, 2023, 42(7):112750
Physiological Measurement, 2023, 44(12):125005
Biomedical Signal Processing and Control, 2024, 88:105504
Physiological Measurement, 2024, 45(4):045009
Physiological Measurement, 2024, 45(5):055006
Biomedical Signal Processing and Control, 2024, 96:106591
Physiological Measurement, 2024, 45(5):095013
Computer Methods and Programs in Biomedicine, 2024, 257:108454
Journal of Electrocardiology, 2025, 92:154083
来自全国各地的专家学者汇聚上理，共同探讨心电图大数据在临床中的应用前景。
凭借高效的实时心律失常分类算法，团队在国际竞赛中脱颖而出。
此次合作将为实验室提供更丰富的临床标注数据支持，助力模型泛化性能提升。