近日，太原理工大学人工智能学院智能医学与生物识别实验室在国际医学图像顶级会议Medical Image Computing and Computer Assisted Intervention（MICCAI）2026上发表了题为“CSGE: Break the SSL Bottleneck in Medical Image Segmentation via Collaborative Semantic-Geometric Experts”的学术论文。该论文的第一署名单位为太原理工大学，人工智能学院数据科学与大数据技术专业23级本科生万玉菲为第一作者，计算机科学与技术学院（大数据学院）23级硕士研究生成航北为共同第一作者。此外，人工智能学院23级本科生李俊燃、蒋佳慧、崔丹晨参与了此项工作，人工智能学院刘雪宇副教授与吴永飞副教授为共同通讯作者，其他合作者包括计算机科学与技术学院（大数据学院）魏明强教授，大连理工大学软件工程学院陈俊鑫教授。
MICCAI是医学图像计算与计算机辅助干预领域最具影响力的国际顶级会议之一，是中国计算机学会推荐的B类会议，是医学人工智能、医学影像分析与计算机辅助手术方向公认的旗舰会议。作为全球医学影像与临床AI研究者发布前沿成果、推动医工交叉创新的核心平台，MICCAI长期以来在学术界与医疗工业界均享有极高声誉。会议聚焦医学图像计算、计算机辅助介入与智能医疗前沿技术，涵盖医学图像重建、分割与异常检测、多模态数据融合、计算病理学、AI辅助诊断、图像引导手术、机器人辅助外科、手术数据分析、临床转化研究等核心方向，旨在展示和推动医学图像与智能医疗领域的算法突破、技术创新与临床应用进展。论文录用竞争激烈，代表了医学AI与医学影像领域的国际高水平认可，MICCAI 2026共收到有效全文投稿4601篇，最终接受1211篇，录用率约28%。该会议自1998年开始举办，至今已举办28届，MICCAI 2026将于9月27到10月1日在法国斯特拉斯堡举行。
该研究工作聚焦于医学图像分割半监督学习（SSL）中的关键问题——在主流的“教师-学生（Teacher-Student）”架构中普遍存在的循环误差积累与硬阈值伪标签过滤的固有僵化性。研究指出，现有方法面临三大核心瓶颈：语义与几何错位、持续的确认偏差以及边界信息的严重丢失。为此，团队创新性地提出了一个全新的CSGE范式，将处理过程从传统的伪标签过滤转变为协同的语义-几何细化。该框架协同利用了两个外部专家：用于语义锚定的BiomedCLIP和用于几何细化的SAM。文章引入了冲突感知迭代协同演化模块，通过异或（XOR）操作精准检测差异，从而驱动迭代式的伪标签细化。此外，团队提出的空间信任感知优化采用软权重一致性损失取代了硬阈值，有效在不确定区域中保留了梯度流。实验结果表明，在三种医学成像模态上，CSGE均优于现有的最先进方法。在仅有1%标注数据的极端设定下，CSGE在三个数据集上的Dice分数实现了平均4.9%的显著提升，展现出模型在有限标注下的强大鲁棒性。
该论文的发表充分彰显了太原理工大学在人工智能与医学影像交叉前沿领域扎实的科研实力与持续的产出能力。值得一提的是，多位本科生深度参与并作为核心作者发表顶会论文，体现出太原理工大学深耕科创育人、鼓励本科生和研究生大胆探索、勇于创新的人才培养理念与完善的培养机制。未来，智能医学与生物识别实验室团队将继续依托学科优势，助力更多师生在学术前沿不断突破。
此项工作受到国家自然科学基金面上项目（No.62572339）与山西省基础研究计划（No.202303021211082）的资助。
