9月8日，国家自然科学基金委员会公布了2022年度集中申报期项目的评审结果，我院新引进教师李燕博士申报的管理科学部《面向技术同化的人工智能在医疗决策中的影响机制研究》、李静博士申报的信息学部《基于卷积引导Transformer的红外与彩色可见光图像融合方法研究》双双获得国家自然科学基金青年项目资助。

·项目负责人及项目介绍

李燕，信息学院讲师，于2021年获得哈尔滨工业大学经济与管理学院管理学博士学位，2017年加入香港城市大学与哈工大联合培养博士项目。研究方向包括人工智能在医疗健康领域中的行为实验、智能健康数据分析以及智能商务数据分析。博士期间论文已发表于SCI期刊IEEE Transactions on Engineering Management、Electronic Commerce Research and Applications、Journal of Medical Internet Research和国际会议等10篇。

《面向技术同化的人工智能在医疗决策中的影响机制研究》项目：本项目主要针对近几年人工智能技术快速发展为医疗健康管理行业带来的机遇、我国医疗健康行业迫切的需求，以及国家政策的大力支持等动机，探索人工智能技术在医院管理中的应用影响。本项目主要拟结合技术同化视角提出AI技术对医疗质量的影响机制研究，分别从人机交互不确定性、基于交互的AI可解释性设计和医生与AI技术协作模式三个视角逐步深入探索医生对AI技术的采纳使用、协作和医疗质量的影响。结合类实验、情景实验和行动研究方法，对医生实际AI使用行为及影响进行分析与探索，拟为明确AI技术在医疗决策中的角色与影响、提高医院医疗质量与服务效率提供理论基础和实践指导。

李静，信息学院讲师，于2021年获得中国人民公安大学信息网络安全学院工学博士学位。研究方向：图像融合、遥感应用、视频图像侦查。相关研究成果发表于《IEEE Transactions on Multimedia》、《IEEE Transactions on Instrumentation and Measurement》、《Information Sciences》等国际期刊。

《基于卷积引导Transformer的红外与彩色可见光图像融合方法研究》项目：红外与可见光传感器协同观测数据融合技术是边境疫情防控中非法越境监测的关键需求。针对现有方法仅面向红外与灰度可见光图像融合，不能利用彩色可见光图像的色度分量提升融合效果，且对源图像信息保存失衡、融合结果失真等瓶颈问题。项目拟开展：（1）卷积引导Transformer的红外多尺度注意力图提取算法，利用图像局部和长距离依赖关系，实现注意力图准确提取以避免冗余热辐射信息参与融合；（2）研究基于词元(Token)的红外注意力图与彩色可见光图像融合算法，利用低信息冗余度的红外注意力图和基于词元融合的全局特征表达优势，实现图像信息均衡保存；（3）研究感知局部和全局特征的彩色融合图像保真度优化算法，利用局部和全局特征重构成像过程中色度与亮度的内在关系，提升融合图像视觉效果。研究成果将形成一套信息保存均衡、色彩高保真的红外与彩色可见光图像融合框架，进一步提升公安边防管理等应用的多源传感器协同观测水平。