为贯彻学校“三个三”发展战略部署，推进人工智能与教育教学深度融合，学校教师教学发展处推出教师数字素养提升系列工作坊。活动聚焦教育教学数字化转型需求，通过学校和各教学单位轮流承办的形式，着力打造智能教育教学创新共同体。第九期活动由基础教学部承办。
近日，基础教学部邀请吉林大学教授张小利来校开展“AI赋能构建数字模型多模态图像融合及解译”主题教学工作坊，全体教师参加学习研讨。
1.多模态图像融合的跨学科应用价值与挑战
张小利教授详细阐述了多模态图像融合技术在医学、遥感和工业等领域的多元应用。以医学领域为例，通过融合MRI与SPECT图像降低误诊率，充分展现了该技术跨学科的实用价值。同时，技术落地面临诸多挑战，如医学图像融合中的结构干扰、多焦距图像的焦点误判等问题，凸显了算法持续优化的必要性，启示教师在实际应用中需结合具体场景需求，针对性优化算法，平衡精度与效率。
2.问题导向的创新研究路径与实践案例
张小利教授展示了边缘感知滤波、软阈值分割、对比蒸馏等算法，体现了“问题导向-理论创新-实验验证”的研究路径。例如，针对传统清晰度指标在平滑区域的失效问题，通过图像成分划分与距离变换系数重构焦点检测逻辑，这种将图像细分处理的思路极具启发性。此外，普适性融合框架中的预测层与细节层分离设计，以及模态缺失下基于补丁选择的知识蒸馏方法，展现了从数据特征与任务需求出发构建模型的创新性，为解决复杂场景下的融合问题提供了新范式。
3.科学评估体系的构建与跨模态迁移学习应用
张小利教授系统分析了传统融合评价依赖单一指标的局限性，介绍了基于Riesz变换的RFSIMF指标与3D ROC分析方法，强调多维度、客观性的评估原则，提示教师在技术开发中需同步构建科学的评价体系，避免单一指标的局限性。此外，模态缺失下的解译技术将多模态知识迁移至单模态网络，这种跨模态迁移学习的思路可延伸至其他数据稀缺场景，如小样本学习或跨设备数据融合，为解决实际应用中的数据瓶颈问题提供了参考。
4.轻量化部署与未来技术发展方向
张小利教授强调了轻量化网络架构与边缘设备部署在技术产业化中的关键作用。结合当前人工智能与物联网的发展趋势，未来可探索多模态融合技术与边缘计算、实时处理的结合，提升算法在移动端或嵌入式设备的运行效率。同时，跨领域的知识融合可能成为新的研究增长点，通过多维度数据融合进一步推动精准医疗等领域的创新发展。
本次工作坊系统梳理了多模态图像融合技术的发展脉络，通过深入剖析典型应用案例，助力教师掌握该技术从理论到实践的关键实现路径。参会教师纷纷表示，在今后教学科研工作中，将立足学科交叉优势，注重理论与实践相结合，以问题为导向，借鉴工作坊中的创新思路（如细分处理、分层融合设计），将前沿技术成果有机融入教学实践，着力提升学生的创新应用能力。
来源：教师教学发展处、基础教学部
初审：李睿
复审：袁艺
终审：李英杰