核心领域：计算机视觉与深度学习在医学图像分析中的应用。

技术工具链：

框架：PyTorch、TensorFlow、Keras

语言：Python、C/C++

图像处理：OpenCV、NumPy、scikit-learn、ITK-Snap

可视化与协作：Matplotlib、Tableau、Git、LaTeX

算法能力：

精通 3D CNN、UNet 及各类变体（密集连接、残差连接、Inception 模块、注意力机制）

擅长多模态医学影像（MRI、CT、TEM）的分割、分类与表征

具备模型并行化与数据并行化能力，曾在多机分布式环境下加速 CNN 训练

应用方向：脑肿瘤分割、婴儿脑部 MRI 分析、皮肤病变检测、细菌孢子分割、木材纤维显微图像表征等。

学术服务：担任 IEEE TMI、IEEE TAI 等顶刊审稿人，h-index 13，引用 607 次。