基于 Agent-MoE 架构的婴幼儿呼吸系统疾病辅助诊断系统研发

项目概览

项目面向真实儿科门诊诊疗流程，整合双院区婴幼儿呼吸系统临床数据，建立 1000+ 例潮气呼吸数据和 500+ 例多模态病例数据，并围绕数据预处理、医学知识检索、诊断模型、不确定性量化与多阶段 Agent 协作构建完整辅助诊断流程。

核心技术

• 设计多模态预处理流程，实现病历、潮气呼吸报告、检验结果及影像结论的去标识化、结构化提取、缺失识别和病例级数据封装；
• 整理儿科学教材及呼吸疾病指南，构建可溯源的 RAG 医学知识库；
• 提出基于动态呼气五边形的潮气呼吸曲线几何与形态特征，并结合统计检验与 Boruta 完成特征筛选与验证；
• 提出 ACT-Decision 自适应共形三支决策框架量化诊断不确定性，将病例划分为自动诊断与人工复核区域；
• 构建由预处理层、中心诊断层、反对评估层和最终裁决层组成的 Agent-MoE 多阶段工作流，通过协调器 Agent 组织病种专家模型与多模态证据。

个人职责

项目负责人，负责总体研究方案、数据与知识流程设计、诊断模型与不确定性方法研发，以及 Agent-MoE 系统架构设计与阶段推进。

公开说明

网站仅展示经整理的项目方法、数据规模与阶段成果，不公开原始临床数据、可识别信息及未经确认的医学材料。

项目成果

• 项目相关中科院二区 SCI 论文在投，本人为独立第一作者
• 项目相关发明专利已授权，本人为学生第一发明人