近日，计算机与人工智能学院在肿瘤图像分割领域研究工作取得重要进展，相关成果《SuperLightNet: Lightweight Parameter Aggregation Network for Multimodal Brain Tumor Segmentation》发表在计算机国际顶级会议CVPR 2025上，姜明华教授为论文的通讯作者，所有作者单位均为武汉纺织大学。
在MRI多模态脑肿瘤分割任务中需要大量计算资源和高性能计算设备。多模态3D肿瘤分割的关键挑战在于如何在保持高精度的同时，最小化网络的计算负载。本论文提出了一种新型的轻量化参数聚合网络（SuperLightNet），用于实现高精度、低计算量的高效编码器和解码器。实验结果表明，与当前最先进的方法相比，该方法的参数量减少了95.59%，计算效率提高了96.78%，内存访问性能提升了96.86%，平均性能提升了0.21%。
图1 提出的SuperLightNet网络结构
图2 脑肿瘤分割结果对比
计算机视觉与模式识别（Computer Vision and Pattern Recognition,CVPR）会议是计算机视觉与模式识别、人工智能领域的国际顶级会议，其在谷歌学术热门出版物排名第2（h5指数440），影响力仅次于Nature，是中国计算机学会（CCF）推荐的A类会议。本届CVPR有效投稿共13008篇，最终接收2878篇（接收率22.1%）。
图3谷歌学术热门出版物排行榜
近年来，在学校的大力支持下，计算机与人工智能学院凝聚学科方向，加强科研团队建设，科研成效逐渐凸显，相继发表了一批高水平论文，受到了同行的关注和认可。