近日，我校计算机科学与技术学院2023级电子信息专业硕士研究生罗帅作为第一作者，在焦铬教授指导下，于人工智能国际权威期刊《Engineering Applications of Artificial Intelligence》发表研究论文。该期刊为JCR/中科院双一区（Q1）Top期刊，最新影响因子8.0。
论文题为《A Tubercle Bacilli Detection Network Combining Frequency Guidance and Adaptive Multi-Path Fusion》，衡阳师范学院为第一署名单位，合作单位南华大学附属南华医院。
准确检测结核杆菌对于肺结核的早期筛查至关重要。然而，由于杆菌体积微小且人工镜检主观性强，传统检测方法效率低下，且容易出现判读不一致的问题。为解决这一问题，研究团队提出了一种基于深度学习的多分支混合空间网络，用于高效识别结核杆菌。此外，团队构建了一个专用数据集，涵盖多种杆菌形态和涂片背景。具体来说，首先采用频率-空间耦合层引入频域线索以约束空间特征表示，然后使用多尺度自适应聚合器构建差异化融合路径，从而实现精细的局部细节感知。此外，利用无参数的简单注意力模块（SimAM）增强关键区域的响应，并采用自适应交并比损失函数修正尺度引起的偏差。实验结果表明，与基线模型YOLOv11相比，所提出的模型在自建数据集和公开结核杆菌数据集上的平均精度均值（mAP）分别提升了1.7%和1.5%，同时模型参数量减少了75.5%。进一步地，基于该模型开发了一套自动化结核杆菌检测系统，旨在服务于实际肺结核筛查应用场景。
该研究成果系湖南省自然科学基金、湖南省教育厅科研项目等资助的重要成果之一。
