本实验室围绕医学图像智能分析开展前沿研究，重点聚焦于无监督异常检测在疾病诊断与预测中的应用。面对临床图像标注成本高、病灶异质性强以及早期病变难以识别等难题，我们致力于构建无需缺陷样本参与训练的无监督学习模型，实现医学图像中异常区域的自动检测与精确定位。
该方向主要通过建模正常组织结构在图像中的分布特征，利用深度学习方法捕捉偏离正常模式的潜在异常信号，从而提升医学图像的自动筛查效率，辅助实现早期疾病风险评估与预测。本研究方向不仅为医学图像分析提供了低成本、高鲁棒性的解决方案，也为实现疾病早筛、早诊、早治提供了技术支撑，具有重要的理论价值和广阔的临床应用前景。
