【课题推荐发表期刊】

【课题背景】

在当前的医疗技术领域，将大型机器学习模型应用于手术室图网络的生成，已经成为一个重要的研究方向。图网络作为一种强大的数据结构，能够模拟手术室中复杂的设备、人员和流程之间的关系。

本课题将研究手术室场景中的图网络泛化问题，旨在引入大模型，提高图网络的泛化性。

【课题方向参考】

• 手术室场景图网络的泛化

【适合人群】

大模型方向，研究生及以上，熟练使用python、pytorch，有基础的英语读写能力和科学论文写作经验。

【课题收获】

• 高质量论文一篇（SCI/CCF定向期刊）

• SCI/CCF期刊投递与发表指导

• 结业证书

【导师介绍】

Dr. Peter，QS10高校博士后

• 以第一作者身份发表多篇会议论文，包括ECCV，TIP，ACM MM，TOMM等

• 具备丰富的英文论文写作和辅导经验

• 可提供资源：部分开放研究数据、开源代码并指导复现；申博、海外高校申请指导；大厂实习机会推荐

【课题安排】

研究周期预估六个月左右，具体视学员情况调整。

【推荐阅读】

2024 Disentanglement-inspired single-source domain-generalization network for cross-scene hyperspectral image classification