 |
我是盛超，广东医科大学生物医学工程专业 2027 届本科生，关注计算机视觉与图像处理。已获昆士兰大学数据科学硕士（Master of Data Science）拟录取，2027 年 7 月入学。 我在 CT 与内镜图像项目中开展三维分割、图像重建和跨域分类实践，重点解决预处理一致性、评估可信度与算法交付中的问题。 寻找深圳实习 · 2026 年 11 月中旬可到岗 |
真实软件界面 · 点击查看原图
PySide6 · NumPy · ONNX Runtime · CT 重建
集成三维图像处理与重建算法的桌面工作站。开发 DICOM 加载、MPR、分割与 ROI 定量功能，加入空间几何校验和工程保存／恢复，并修正分割预处理中缺失的 spacing 重采样。
连接三维图像处理、重建实验与交互操作的桌面工作站。实现 DICOM 加载、三平面 MPR、多器官分割、ROI 定量与工程保存／恢复；校验序列身份和空间几何，防止蒙版错位与失效缓存复用。
实现直接傅里叶与多种迭代 CT 重建算法，结合残差 U-Net 开展稀疏视角实验。分割预处理中补齐训练所需的 spacing 重采样，在历史版本同源公开数据 20 例配对对照中，平均 Dice 从 0.684 提升至 0.840。
PyTorch · ResNet-50 · GastroNet · Docker
面向跨中心泛化的分类实验与集成推理。采用近重复分组与双向留一中心评估，统一训练／推理预处理，构建带时间预算与超时降级的 Docker 推理容器。
面向正样本稀少的内镜图像分类竞赛项目。任务目标为固定 90% 召回率下的精确率。采用 GastroNet 预训练 ResNet-50，结合类别采样、EMA、近重复图像分组与双向留一中心评估。
统一训练和推理预处理，完成 12 个随机种子模型概率平均与水平翻转增强；构建 Docker 推理容器，按时间预算调度集成，并配置超时降级与输入输出检查。
仿真器实录 · 点击打开结果看板
LeRobot · OpenVLA · MuJoCo · LIBERO · 具身智能
检验机器人策略是否真的在用相机。先复现五个公开策略权重（成功率 95% 置信区间与公开基准重叠），再在 LIBERO-Spatial 上对 π0、π0.5、OpenVLA、SmolVLA 做相机涂黑、冻结、加噪与单路去除。
相机全涂黑后，四个策略中三个完全失效。π0.5、OpenVLA、SmolVLA 降至 0%；LeRobot 公开的 π0 权重在五次运行中仍有 53–56% 的成功率，正常输入时为 71–76%。冻结首帧同样让 π0.5 和 SmolVLA 降至 0%。
用动态时间规整比较末端执行器轨迹，界定 π0 结果的含义。全部实验在一台 RTX A5000 工作站上以 EGL 无头渲染完成，只用包装脚本、不改上游源码；公开的结果表由 CI 从原始评测文件重算核对。
NumPy · Python CLI · 数据泄漏 · 校准
将数据泄漏、近重复和特征属性检查整合为命令行工具。实现总体与类内属性探针，配套英文教程和合成算例，说明评估结果的含义与解释边界。
配套作品入围 MICCAI Educational Challenge 2026
将数据泄漏、近重复与特征属性检查整合成可运行的审计流程。配置驱动的 CLI 支持跨集合近重复、患者分组泄漏和总体／类内属性探针；实现 AUROC、Brier、ECE 与患者簇 Bootstrap 指标函数。
配套英文教程、运行指南与可运行合成算例。作品 From Pixels to Patients 入围 MICCAI Educational Challenge 2026（Finalist）。
SimpleITK · PyRadiomics · scikit-learn
复现多期 CT 特征提取流程，核对重算结果。串联三维肿瘤／瘤周区域、组学特征与模型融合，开展去重敏感性和置信区间分析，保留失败记录以追溯处理过程。
重建多期图像、特征提取与模型融合的数据处理链。基于 111 条历史队列记录，重建四期 CT、三维肿瘤／瘤周 VOI 与 94 项原始组学特征的处理流程，开展去重敏感性及置信区间分析。
完成 6,660 个 VOI 的重算核对，覆盖有效特征一致性与失败记录复现，形成可追溯的数据处理流程。