应用前景

全链路思路下的可信计算与感知当前在医学辅助诊断方面得到了许多医学及信息领域顶尖学者的认同，认为是下一阶段发展的趋势。当前，在医学应用领域，已有多名学者指出全链路思路的重要性。IEEE Fellow周少华指出全链路研究的重要性，例如成像与分析是整个医学影像链中两个有机组成部分。如果在成像端与分析直接结合，更加符合端到端学习的思路。IEEE Fellow沈定刚教授也多次强调：未来，单模态、单个流程的诊断方式会向全链条、全栈式的方式发展，从成像、筛查、诊断、预后，以及后面的治疗和随访，整个过程均可辅助医生，这样可以优化整个流程，达到最佳诊断效果。全链路思路下的可信计算与感知将有助于软硬结合，构造设备智能体，更好地服务于医学辅助诊断。另一方面，雷达感知计算与医学感知计算在基础理论上具有较强的相似性。雷达感知计算的发展对于我国国防具有极大的军事意义。在民用方面，雷达感知计算在无人机、自动驾驶等领域均为关键技术之一，具有巨大的市场前景。传统研究中，雷达信号分析和雷达感知大多数是相对独立的。全链路思路下的可信计算感知可将雷达感知与后期计算融为一体，有望服务于包括新体制雷达在内的所有雷达感知计算领域，实现整体最优，提升感知和计算性能。

研究内容

本方向基于“全链路”优化思想，将信号获取、处理、分析与应用联立优化求解，以推动机器学习理论在实际落地应用中需要应对“小数据、大任务”的情况，重点研究将深度学习模型与计算成像、因果学习、联邦学习、图神经网络等新兴理论结合，发挥模型驱动方法与数据驱动方法的综合优势，解决实际应用中常存在的数据少样本以及系统资源（计算、存储与能耗）受限等给模型泛化能力带来的挑战。

①在军民融合领域，开展小/零样本机器学习以及开放数据集目标识别研究，并将其应用于基于小卫星星链的态势感知、雷达信号目标识别等领域，显著提高相关系统的实战能力。

②开展雨天、沙尘和水下等恶劣成像环境下的图像质量提升研究，相关研究使得各类计算机视觉系统可以全天候工作。

③开展将压缩感知与深度学习等先进信号处理理论相结合以解决医学影像的快速获取、重建与分析任务。

④产业服务方面，利用机器学习技术开展实时声成像研究并将其与可见光成像相融合构建声像仪，为电力、油气、交通等领域的智能故障检测提供有效手段。