病理图像作为医学诊断的重要信息载体，蕴含大量复杂、生物学意义丰富的表型特征。如何让计算机“理解”这些图像，并实现病理表型的自动识别与量化，是实现人工智能辅助诊疗的关键挑战之一。团队围绕病理图像分析与语义理解，致力于构建具有知识驱动与可解释能力的智能分析系统。

针对病理图像中表型信息碎片化、模态差异大、语义理解困难等问题，团队长期聚焦以下核心技术难点：统一语义表征、跨模态融合算法、以及领域知识自学习。依托多项国家与省部级项目支持，已形成系统性的技术路径和创新成果：

1.构建大规模跨媒体生物医学知识图谱，为病理图像提供结构化语义支持；

2提出知识引导的图像感知与协同推理算法，实现复杂病理数据的精准分析；

3.面向临床实际需求，研发人机协同的病理智能诊断系统，具备可解释、可回溯、可泛化的诊疗决策能力。

目前团队研究方向涵盖：病理图像语义标准化、跨模态特征表达学习、深度学习驱动的病理图像分析与病理表型量化、人工智能辅助诊断等。团队已在ACL、AAAI、TMI、Bioinformatics、JMIR等国际顶级会议与期刊发表论文百余篇。团队承担多项国家及省部级重大科研任务并取得代表性科研成果，申请发明专利和软件著作五十余项。团队项目成果应用于国家卫健委、全国医疗信息化进程调研等重大工程和多级医疗机构日常诊断与科研中。2022年，团队荣获世界人工智能大会最高奖项“卓越人工智能引领者”。