自然语言方向——1. 开发医学自然语言处理模型：利用最新的自然语言处理技术和大模型，开发和优化医学领域的文本处理算法，如医学文献挖掘、病历数据分析、临床文本分类等。 2. 创新研究：积极探索前沿的自然语言处理技术，包括但不限于预训练模型、迁移学习、语言生成等，将其应用于医学领域，提高模型效果和效率。 3. 数据挖掘与处理：从大规模的医学文本数据中挖掘有价值的信息，并进行数据预处理和清洗，以确保模型的高质量和稳定性。 4. 模型评估与优化：开发评估指标和实验流程，对模型进行全面的性能评估，并根据评估结果对模型进行优化和改进。 视觉方向—— 1. 多模态医学图像分析：领导团队开发多模态医学图像分析算法，提高医学图像的准确性和细节解析度。 2. AIGC技术应用：将AIGC技术应用于医学图像领域，探索其在医学图像识别、重建、增强等方面的潜在应用，推动医学图像处理的革新发展。 3. 深度学习模型开发：利用深度学习技术，设计和优化用于医学图像处理的神经网络模型，包括但不限于卷积神经网络（CNN）、生成对抗网络（GAN）等，提高医学图像分析的效率和精确度。 4. 大规模数据处理：协助团队处理大规模的医学图像数据，进行数据清洗、标注和预处理，确保模型训练的数据质量和数据多样性。