梁栋源

问题背景

• 胸部 CT（肺结节 / 肺结核 / 肺炎）与颅脑 CT（脑肿瘤 / 脑出血）阅片量大、依赖医师经验，基层医疗机构诊断能力不足
• 现有单病种模型各管一摊，重复建设、无法共享影像特征，落地成本高

方案设计

• 以 ResNet / EfficientNet 为骨干网络，引入注意力机制强化病灶区域响应
• 多任务联合建模：共享编码器 + 分割头 + 分类头，分割辅助定位、分类负责定性，两个任务互相提供监督信号
• 损失加权策略：不确定性加权 / 动态权重，配合焦点损失与类别重加权缓解病种样本不均衡
• 迁移学习分阶段微调：先冻结骨干训练头部，再解冻高层做小学习率微调
• 预处理管线：DICOM 窗宽窗位调整、归一化、重采样，统一胸部与颅脑两个来源的影像尺度
• 类激活映射（CAM）输出病灶热力图，让诊断结果可以被医师复核，而不是一个黑盒分数

个人贡献

• 独立完成选题、开题、技术路线设计与系统实现（指导教师：唐煜星）
• 规划并实现从数据预处理、多任务网络搭建设计到推理服务的完整模块划分

当前进度说明：本项目仍在进行中，正处在数据集整合与基线搭建阶段，尚未产出可报告的实验结果。因此本页不列任何指标数字 —— 相比填一个好看但站不住的数字，我更愿意在面试里讲清楚每一步为什么这么做。

技术栈：Python · PyTorch · OpenCV · DICOM 预处理 · 多任务 CNN

数据处理

• 数据源：ModelScope 公开数据集 merged_dataset，共 278 张图像（训练 110 / 验证 168），原始分辨率 5568×3712
• 用 LabelMe 完成 10 类目标标注，自写 json2yolo.py 把 LabelMe JSON 批量转成 YOLO TXT 格式，generate_yaml.py 自动生成数据集配置文件 —— 避免手工整理标注带来的错标与漏标
• 10 个类别：农夫山泉、红牛、旺仔牛奶、百事可乐、芬达、雪碧、可口可乐、王老吉、尖叫、冰红茶

模型与训练

• 选用 YOLOv8n（参数量 3.01M、权重仅 6.0MB），Anchor-Free + 解耦检测头结构，适合轻量部署
• 损失函数由三部分构成：CIoU（边界框回归）+ BCE（分类）+ DFL（分布焦点损失）
• AdamW 优化器，初始学习率 0.01，训练 50 个 epoch，batch size 16，输入尺寸 640
• 启用 Mosaic、HSV 色彩抖动、RandomErasing 等内置增强，并结合 COCO 预训练权重做迁移学习

实验结果

• mAP50 = 0.99479，mAP50-95 = 0.94289，Precision = 0.99363，Recall = 0.99287
• 训练过程收敛正常：mAP50 从第 1 个 epoch 的 0.317 提升至第 50 个 epoch 的 0.995；分类损失由 2.81 降至 0.57
• 推理性能：本机 CPU（AMD Ryzen 7 7735H）单张约 45ms；用未参与训练的图像独立验证 10 张，检出 37 个目标全部正确
• 导出部署格式：ONNX 11.7MB、TorchScript 11.6MB，验证了脱离训练框架独立部署的可行性

个人贡献

• 独立完成数据获取、标注整理、格式转换、训练调参、指标评估与模型导出的全部环节
• 额外编写了标注格式转换与配置生成脚本，把一次性操作固化成可复用的流程

技术栈：Python 3.12 · PyTorch · Ultralytics YOLOv8 8.4 · OpenCV · NumPy · Pillow · LabelMe · Matplotlib

问题背景

• 大模型本地部署门槛高：显存不足直接崩，用户看不懂报错也不知道该怎么降配
• 推理过程是黑盒：输出只有一个最终答案，看不到模型的推理链条，难以判断结论可靠性

方案设计

• 统一模型加载接口，屏蔽 Qwen3-1.7B 与 Qwen3-7B 在路径、分词器、设备分配上的差异
• 三级量化降级策略：8-bit → FP16 → CPU 回退。显存不足时自动逐级降配重试，而不是直接抛异常退出
• 解析模型输出中的 <think></think> 标记，实现思维链（CoT）的双阶段解码与展示，把推理过程和最终答案分开展示
• 用 rich 做终端富文本渲染，让对话、思考块、统计信息在命令行里仍然可读
• 加入性能监控：每轮对话的 Token 数与推理耗时统计，用来定量比较不同量化级别下的速度差异

个人贡献

• 担任组长，负责整体系统架构设计、模块边界划分与进度统筹
• 承担核心推理引擎的实现：模型加载、量化降级调度、思维链解析
• 负责项目报告的统稿与讲解材料整理

技术栈：PyTorch · Transformers · ModelScope · rich

数据构造

• 没有现成数据集，因此编写脚本程序化生成约 1000 张 64×64 像素地形样本（地面 / 草地 / 树木）作为训练集

方案设计

• 生成器：4 层 Conv2dTranspose 逐步上采样（256→128→64→32→1），配合 BatchNorm、ReLU，输出层用 Tanh 把像素压到 [-1, 1]
• 判别器：Conv2d 逐层下采样（32→64→128→256→1），配合 LeakyReLU，输出层 Sigmoid 给出真伪概率
• 损失与优化：BCELoss 对抗损失，Adam 优化器，潜在向量 100 维
• 用 MindSpore 框架实现，在昇腾生态下复现 DCGAN 的完整训练闭环

结果与评估

• 采用定性评估：人工观察生成地形的结构连贯性与多样性，同时监控生成器 / 判别器损失曲线的对抗平衡状态（本项目未引入 FID 等量化指标）
• 产出可交互命令行脚本：生成数据 → 训练 → 生成地形，三步即可复现

个人贡献

• 担任组长，负责整体方案设计与核心算法实现
• 独立实现生成器模块，与组员分别负责的判别器 / 训练流程、数据与可视化模块对接

技术栈：MindSpore · Python · NumPy · Matplotlib