我院张兴鹏老师与陆军军医大学第一附属医院王秋里博士的合作研究成果《A Frequency-Aware Lightweight Network for Robust Nuclei Segmentation and Classification on Challenging Histologies》被计算机图形学与多媒体领域国际会议ICME 2026（IEEE International Conference on Multimedia and Expo）录用。

ICME由国际电子技术与信息科学工程师协会（IEEE）主办，是计算机图形学与多媒体领域最具代表性的国际学术会议之一，也是中国计算机学会（CCF）推荐的B类国际学术会议。ICME 2026将于2026年7月5日在泰国曼谷召开，本届会议共收到3,810篇有效投稿，接收率约为28.89%。

成果概述：

当前基于深度学习的细胞核实例分割和分类方法通常包含大量参数，并且在处理形态复杂的组织（如肾上腺和胃）以及弱细胞核（如炎症和死亡）时会面临挑战。我们认为，高效且稳健的建模的关键在于扩大感受域同时通过更智能的特征表示来减少参数。然后，我们提出轻量级小波关键点网络（LWPNet），这是一种基于频率感知范式的新型轻量级网络。LWPNet引入一个小波传输卷积混合器（WTCM）块，用小波变换取代大核卷积，以最小的计算成本显式地扩大感受域，以捕捉多尺度频谱特征。此外，还设计一个频率尺度感知坐标聚合（FSACA）模块，以增强高频边界细节，并结合精确的空间坐标，确保准确的定位。在PanNuke、Kumar和CoNSeP数据集上的测试表明，LWPNet减少80%的参数，并在这些具有挑战性的案例中表现出色，在胃组织方面的mPQ值提高了4.3%。上述工作得到国家自然科学基金专项项目、重庆科技与卫生联合医学研究项目的支持。

其中，张兴鹏老师（第一作者）、论文中的研究生和余洋老师都来自于学院的大数据与知识工程实验室。该团队主要围绕大数据与人工智能开展相关研究以及系统开发。王秋里博士（通讯作者）是陆军军医大学第一附属医院（即西南医院）放射科的研究员，他还属于金凤实验室的渝粤病理科学研究中心，主要从事医学图像的智能诊断和分析。