2026年研究生招生：

本人在 浦口经开区（南信大浦口经开区创新港研究生培养基地 人工智能专业） 有硕士研究生招生指标，团队资源充足，欢迎报考、垂询！

邮箱：kxuan@nuist.edu.cn

所在团队（智能医学图像计算重点实验室）介绍：https://imic.nuist.edu.cn/

本科生科研招募：

欢迎对科研或者工程方面感兴趣的本科生邮件（kxuan@nuist.edu.cn）联系我，以拓展视野或者创新创业项目、学科竞赛、专利、论文等为目标，在早期阶段深度参与实际科研项目，为未来的研究生深造或相关职业生涯做准备。（长期有效）

个人简介：

宣锴，博士，南京信息工程大学人工智能学院（未来技术学院）讲师，硕士生导师，江苏省双创博士，智能医学图像计算省高校重点实验室成员（副主任）。他于2017年7月在电子科技大学生物医学工程专业获得学士学位，2022年6月于上海交通大学生物医学工程专业获得博士学位。博士期间，他于2019年12月到2020年8月前往北卡罗莱纳大学教堂山分校 (UNC-Chapel Hill) 访问（国家留学基金委资助）。

他的研究方向为医学图像处理，主要包括多模态图像分析、重建、合成、配准、分割等，主持国家自然科学基金青年项目一项，并参与重点项目一项。同时，他在领域内顶级期刊与会议上以第一作者发表了多篇学术论文，包括IEEE Transactions on Medical Imaging, Pattern Recognition, MICCAI等。

近期科研项目：

1. 2024.01-2026.12, 基于病理特征引导的前列腺癌磁共振图像辅助诊断方法研究 (62301263), 国家自然科学基金 青年项目 (主持)

2. 2024.01-2028.12, 基于磁共振新技术及多组学的胰腺癌生境图谱研究 (82330060), 国家自然科学基金 重点项目 (参与)

本科生教学成果：

1. 储嫣等，基于体表动态投影与视角自适应机制的智能手术导航系统，国家三等奖，第十九届“挑战杯”竞赛中国科技青年科技创新“揭榜挂帅”擂台赛，2025年（学科竞赛，本科生排名第一）

2. 宋晨昊等，一种基于血管拓扑结构的肝脏增强CT特征提取融合方法，ZL202510377842.7，2025年（专利，本科生排名第一）

科研方向：

方向一：医学影像分析

我们专注于医学影像分析作为主要研究方向，利用先进的计算机视觉和深度学习技术处理并解析复杂的医疗图像数据。目标是通过精准的图像分割、特征提取、图像合成技术，以及病变检测与分类方法，辅助医生做出更准确的诊断决策，促进个性化治疗方案的发展，提高早期疾病发现概率与患者治疗效果。

方向二：手术导航设备

在手术导航装置领域，我们的工作集中在开发能够提供实时、精确操作指导的系统。通过整合高质量的医学影像处理技术和精密的空间定位技术，实现对病灶位置及其周围解剖结构的三维重建和可视化展示，从而大幅提升手术精度和安全性。此外，我们也引入增强现实（AR）技术进一步优化用户体验，使得复杂手术过程更加直观和易于操作。

名下计算资源（部分）：

本地微集群：包括40、50系显卡6张，存储资源>100TiB。

主讲本科课程（部分）：

医学成像原理

嵌入式原理与应用 / 微机原理与单片机应用

机器学习

联系方式：

邮箱：kxuan@nuist.edu.cn

南京信息工程大学校本部：江苏省南京市浦口区宁六路219号 临江楼（信息科技大楼）1916-1917

南信大浦口经开区创新港研究生培养基地：江苏省南京市浦口区双峰路69号C1102室

代表性论文：

• K Xuan, L Xiang, X Huang, L Zhang, S Liao, D Shen, Q Wang, “Multi-Modal MRI Reconstruction with Spatial Alignment Network,” IEEE Transactions on Medical Imaging, vol. 41, no. 9, pp. 2499-2509, Sept. 2022. (IF=10.05)

• K Xuan, L Si, L Zhang, Z Xue, Y Jiao, W Yao, D Shen, D Wu, Q Wang, “Reducing Magnetic Resonance Image Spacing by Learning Without Ground-Truth,” Pattern Recognition, vol. 120, p. 108103, Dec. 2021. (IF=7.74)

• L Si*, K Xuan*, J Zhong, J Huo, Y Xing, J Geng, Y Hu, H Zhang, Q Wang, W Yao, “Knee Cartilage Thickness Differs Alongside Ages: A 3-T Magnetic Resonance Research Upon 2,481 Subjects via Deep Learning,” Frontiers in Medicine, vol. 7, p. 1157, 2021. (*Equal Contribution, IF=5.09)

• K Xuan, S Sun, Z Xue, Q Wang, S Liao, “Learning MRI k-Space Subsampling Pattern Using Progressive Weight Pruning,” in MICCAI 2020, Cham, 2020, pp. 178–18

• K Xuan, D Wei, D Wu, Z Xue, Y Zhan, W Yao, Q Wang, “Reconstruction of Isotropic High-Resolution MR Image from Multiple Anisotropic Scans Using Sparse Fidelity Loss and Adversarial Regularization,” in MICCAI 2019, Cham, 2019, pp. 65–73