我院黄旭辉教授团队在医学图像增强领域取得重要进展，该工作针对真实临床场景中低质量眼底图像影响糖尿病视网膜病变等致盲性眼病诊断可靠性的问题，提出知识蒸馏驱动的质量迁移与重要性引导监督相结合的半监督增强框架。相关研究成果以“Knowledge Distillation-Driven Quality Transfer with Importance-Guided Supervision for Fundus Image Enhancement”为题，成功被国际医学人工智能顶级会议MICCAI 2026收录。MICCAI是计算机和医疗交叉领域的顶级国际会议，代表了医学人工智能技术发展的前沿方向。该论文第一署名单位为太原理工大学，第一作者为侯庆山副教授，通讯作者为黄旭辉教授。

图1. 知识蒸馏驱动的质量迁移与重要性引导监督相结合的半监督增强框架

该工作设计了无监督质量迁移与有监督重要性引导相结合的双分支协同框架：在无监督分支中，模型通过对齐高质量域与低质量域模型的分类器输出分布，在无需配对数据的前提下弥合全局质量域差异，缓解传统方法常见的结构伪影问题；在有监督分支中，模型引入轻量级重要性解码器，基于不确定性建模动态调整像素级监督权重，使视盘、血管、病灶等临床关键区域获得更强的重建约束，且无需任何病灶级标注即可聚焦病理区域。该研究显著提升了下游知识蒸馏驱动的质量迁移与重要性引导监督相结合的半监督增强框架分级任务的准确性，验证了该框架在实际临床场景中的应用价值，为低质量医学图像的智能增强与眼底疾病自动化筛查提供了新的方法思路。该工作是贯彻“面向人民生命健康”国家战略导向、落实学校医工交叉战略布局的突出成果，可有效支撑基层医疗智能化水平提升。