在近期公布的2026年度国际计算机视觉与模式识别会议（IEEE/CVF Conference on Computer Vision and Pattern Recognition，CVPR 2026）录取结果中，我校计算机与人工智能学院最新研究成果被成功录用。该成果聚焦医学影像分割与计算机视觉交叉研究，由辽宁师范大学作为独立完成单位、计算机与人工智能学院2023级硕士研究生孙序涛担任第一作者、博士生导师任永功教授担任通讯作者完成。

CVPR为中国计算机学会（CCF）推荐的最高级CCF-A类国际会议，是计算机视觉与模式识别领域最具权威性的国际会议之一，与ICCV、ECCV并称为计算机视觉领域三大顶级国际会议。该会议影响力极高，在谷歌学术指标（Google Scholar Metrics）中，CVPR的h5-index排名全球学术期刊中第二，仅次于《Nature》。此次录用实现了我校在CVPR发表论文的首次突破，标志着我校在计算机视觉交叉研究领域取得重要进展。本届CVPR 2026将于2026年6月3日至7日在美国科罗拉多州丹佛召开。

该研究聚焦视觉状态空间模型（Mamba）在医学图像分割中的关键挑战，主要包括语义信息与几何结构之间的表征错配，以及诊断线索在空间维度与通道维度交织时带来的建模困难。针对上述问题，论文提出GeoSemba框架，从状态空间方程的角度出发，对特征信息流进行系统性重构。框架中，语义引导的状态细化器（SSR）在原始特征上构建语义原型，并通过自适应方式重参数化状态更新所需的关键分量，同时显式融合空间几何关系，使模型能够兼顾组织纹理语义与结构边界轮廓，从而提升对细长结构、模糊边界与小目标的刻画能力。与此同时，跨维亲和细化器（CAR）采用“宏观感知、微观聚焦”策略，对空间与通道的依赖关系进行分层建模，并在状态更新前注入贡献感知的Top-K亲和聚合机制，强调关键区域与关键通道的响应，有效抑制噪声干扰并避免冗余关联带来的信息淹没。研究团队在覆盖六类医学模态的数据集上对方法进行了全面验证，结果表明GeoSemba在精度指标上取得稳定提升，同时在参数量与推理速度等效率指标上保持良好表现，从而为复杂医学影像场景中细粒度结构与病灶的鲁棒分割提供了一条兼顾性能与效率的可行路径。

此次在国际顶级学术平台展示我校研究成果，不仅体现了学校在医学影像智能分析与计算机视觉交叉方向的持续积累与创新能力，也彰显了计算机与人工智能学院在科研平台建设、团队协作攻关与创新人才培养方面的组织优势与育人成效。学院将继续聚焦高水平科研成果培育与高层次人才成长，进一步完善“科研—教学—实践”协同育人机制，鼓励师生面向国际前沿问题开展研究与高质量学术交流，持续推动“新工科+人工智能”融合发展，为我校高质量发展贡献智慧与力量。

文字：王佳

编辑：张也非

审核：任永功、张丽杰