今天我们将带大家深入解析今天我们将带大家深入解析香港中文大学 人工智能学系的博士生导师Prof.Qi Dou，通过这样的“方法论”，让大家学会如何从了解一个导师开始，到后期更好地撰写套磁邮件及其他文书。
研究领域解析和深入探讨
Qi Dou教授的研究聚焦AI与机器人技术在医疗领域的交叉应用，核心方向可分为三类，均紧扣临床需求与技术前沿：
- 医疗图像分析与机器学习：作为医学AI的基础方向，其团队主攻 volumetric medical images（体积医学影像）的自动化分割。传统手动分割依赖医生经验，耗时且误差大，教授提出的“3D Deeply Supervised Network”通过深度监督机制提升3D影像分割精度，该技术已成为医学影像分析领域的经典方法之一，为肿瘤定位、器官重建等临床场景提供精准量化依据。
- 手术机器人与具身智能：这是其研究的核心突破点，聚焦 autonomous surgical robot（自主手术机器人）与 safe embodied AI（安全具身智能）。不同于工业机器人，医疗机器人需在动态、复杂的人体环境中实现精准操作，团队通过融合视觉感知与运动学数据，构建手术场景下的任务自主系统，解决腹腔镜、内镜等微创手术中的操作一致性与安全性问题。
- 手术数据科学：围绕 surgical workflow recognition（手术流程识别）与 gesture recognition（手势识别）展开，通过挖掘手术视频、机器人操作轨迹等多模态数据，建立标准化的手术行为分析模型。该研究不仅能辅助新手医生培训，还可实时监测手术进程，降低操作失误风险。
精读教授所发表的文章
教授团队近年成果集中发表于Science Robotics、Nature Communications等顶刊及NeurIPS、ICRA等顶级会议，以下为三篇代表性研究的深度解析：
- 2025年Science Robotics文章：标题为“Surgical Embodied Intelligence for Generalized Task Autonomy in Laparoscopic Robot-assisted Surgery”。该研究首次实现腹腔镜机器人手术的“广义任务自主性”——通过整合视觉基础模型与机器人运动控制算法，使系统能适应不同患者解剖结构、手术器械类型，突破传统手术机器人“仅能重复固定动作”的局限。其创新点在于引入“手术场景先验知识图谱”，让AI在未知环境中快速决策，为自主手术机器人的临床转化奠定关键基础
- 2024年NeurIPS文章：“Vision Foundation Model Enables Generalizable Object Pose Estimation”聚焦医疗场景中的目标姿态估计难题。传统方法需针对特定医疗器械单独训练模型，泛化性差。该研究将视觉基础模型（如CLIP）与医疗领域数据结合，通过“领域自适应微调”策略，实现对多种手术器械、解剖结构的高精度姿态估计，模型迁移性能提升40%以上，为手术机器人的视觉感知模块提供了高效解决方案。
- 2023年Nature Communications文章：“Intelligent Surgical Workflow Recognition for Endoscopic Submucosal Dissection with Real-time Animal Study”针对内镜黏膜下剥离术（ESD）的流程识别展开。团队构建了融合视频帧特征与手术器械运动轨迹的双模态网络，在动物实验中实现手术步骤的实时分类（准确率达92.3%）。该技术可嵌入手术设备，实时提醒医生当前操作阶段及注意事项，尤其对复杂ESD手术的规范化开展具有重要意义。
教授的学术地位
Qi Dou教授在医学AI与机器人领域的影响力体现在学术任职、奖项荣誉与行业贡献三方面：
- 学术组织与会议任职：作为IEEE Senior Member，她担任顶会MICCAI 2026 General Co-Chair（大会联合主席）、2024 Program Co-Chair（程序联合主席），同时是NeurIPS、AAAI等AI顶会的Area Chair，以及IEEE TMI、MedIA等权威期刊的Associate Editor。这些任职表明其在领域内的学术话语权，主导着医学AI与机器人方向的学术议程设置。
- 2. 奖项与荣誉认可：近年斩获多项重量级奖项，包括2023年IEEE EMBS Early Career Achievement Award（国际医学与生物工程领域青年学者最高荣誉之一）、2022年教育部高等学校科学研究优秀成果奖（自然科学二等奖）、2018年Hong Kong Young Scientist Award。此外，其论文多次获MICCAI、ICRA等顶会最佳论文奖，体现研究成果的学术认可度。
- 3. 跨机构协作网络：作为CUHK T-Stone Robotics Institute、香港多尺度医疗机器人中心等多个顶级研究平台的affiliated member，她牵头建立了“AI+医疗+机器人”的跨学科协作网络，推动基础研究与临床应用的快速转化，其团队成果已与香港中文大学医院展开临床前合作。
有话说
从Qi Dou教授的研究脉络可提炼出三个核心创新维度，对领域发展具有启示意义：
- 交叉学科的“问题导向”融合：其研究始终以临床痛点为出发点，而非单纯追求技术炫酷。例如，手术具身智能的研究并非局限于AI算法创新，而是针对腹腔镜手术中“医生操作疲劳导致精度下降”的实际问题，通过技术手段提升手术安全性。这种“临床需求-技术攻关-产品转化”的闭环思维，是医学AI领域避免“技术空转”的关键路径。
- “泛化性”突破医疗AI的核心瓶颈：医疗数据存在“小样本、异质性强”的特点，导致很多AI模型在真实临床场景中失效。教授团队通过视觉基础模型迁移、多模态数据融合等方法，持续提升模型的泛化能力，如2024年NeurIPS文章中提出的姿态估计方法，为解决医疗AI“落地难”提供了可行方案。
- 安全与伦理的前置考量：在自主手术机器人研究中，团队将“safe embodied AI”作为核心目标，通过引入手术风险评估模块、人机协作应急机制，确保技术在临床应用中的安全性。这种“技术创新与安全保障同步推进”的思路，为医疗机器人的伦理规范制定提供了实践参考。
博士背景
Aurelia ，美国TOP10院校计算机科学与认知科学双博士生，研究聚焦算法博弈论不确定性及其在人工智能中的应用。她的跨学科研究融合了计算机科学、语言学和心理学知识，在国际顶级期刊《Journal of Artificial Intelligence Research》和《Cognitive Science》上发表多篇论文。Aurelia 荣获ACM SIGAI博士论文奖，擅长相关方向的PhD申请指导。
