​当算法遇见医学影像

在浙江财经大学数科学院的课堂上，张永全教授正带领学生们进行一场奇妙的跨界探索。当机器学习原理与肿瘤图像分类相遇，当聚类算法遇上脑部CT数据，原本抽象的大数据专业课变成了探索医学影像分析的窗口。“我是来学大数据的，老师在课上却教我们医学！”有学生这样感叹，而正是这种独特的教学方式，让艰涩的算法知识变得生动可感。

“算法的学习过程肯定是艰辛的，对于低年级学生来说更是艰涩的。”从教14年，张永全主要讲授机器学习、大数据算法分析、高等代数等课程。为了让知识更具体，他持续将医学影像研究实例引入本科课堂。在讲解支持向量机时，他用肿瘤图像分类案例演示决策边界的划分；在讲授聚类算法时，他带领学生用真实脑部CT数据探索特征空间。那些复杂的数学符号，在他的课堂上化作了解读生命密码的钥匙。

张永全常说：“学生眼睛亮起来的瞬间，就是我最有成就感的时刻。”这种将前沿科研融入教学的理念，让算法课不再是枯燥的公式推导，而成为一场探索智能本质的奇妙旅程。

从实验室到手术室的创新之路

“科研不能只停留在论文中，更要回应现实需求。”这是张永全从事研究多年秉信的座右铭，在他看来，必须引导学生更加积极地回应现实需求，努力解决现实问题，才能培养出更多学校“新财经战略”要求的“具有‘K+MAQ’特质的中流砥柱型人才”。从理论研究到医疗应用充满挑战，他和团队创新性地将计算机视觉方法迁移到医疗领域，研发的DiffusionclusNet模型已在甲状腺、颈动脉和乳腺的超声图像上测试成功。

该模型能智能识别图像中的不同器官并分别优化，相比传统方法实现了计算效率和增强效果的双重提升。团队用3000多张真实患者超声图测试显示，该系统能帮助医生更清晰地观察病灶区域。同时，张永全以教育部人文社科项目为依托，构建了保障数据隐私的安全建模方案，为医疗影像数据的跨机构共享提供了可行路径。

张永全强调：“真正的智慧医疗不是炫技，而是要成为医疗体系的‘毛细血管’。”近年来，课题组与多家医疗机构建立合作，在肺腺癌、骨质疏松等多个医疗领域取得成果。研究生樊晨晨小组开发的“肺腺癌影像识别模型”准确度达81.42%，已应用于肺癌早期筛查系统。课题组的五个科研小组主要工作是建立模型分析医学影像，实现“快速度+高精度”的病灶定位，近年来还拓展了“AI+农业”等研究领域。

师者仁心：不放弃每一个学生

推开张永全的办公室，服务器的运行声不绝于耳。在这里，张永全更看重学生的科研热忱。2023级硕士生陈诺回忆，考研初试不佳的他已准备重来，却在复试后收到了张永全的邀请。“他告诉我不愿放弃我身上的潜质，这句话我感激多年。”

这句“不愿放弃”一直鼓舞着陈诺。通过竞赛、组会完成科研入门后，他参与了结石项目，在张永全指导下开发了“IEP+ACP”双路径扩散模型。今年四月，他以第一作者在SCI期刊《IEEE Transactions on Consumer Electronics》（影响因子4.3）发表论文，为医学影像分析提供了新思路。

在学院大力推动的“导师-研究生-本科生”混合团队框架下，张永全率先实践“研究生带本科生”的科研传帮带模式。除了学术培养，他还为学生铺就深造道路，他担任班主任的2022届毕业班升学率达62.9%。“一日为师，终身为父”是张永全践行的理念，已毕业的学生们纷纷表示，张老师对他们的关心从来不会因为毕业而停止，无论是职业发展还是生活难题，他总是毫无保留地给予支持。（作者：陈之愉 洪文静 潘佳瑜）