近日，我院2023级大数据统计方法与应用专业硕士研究生陈诺在SCI期刊《IEEE Transactions on Consumer Electronics》（中科院二区，影响因子4.3）发表题为“Diffusion ClusNet: Deep Clustering-Driven Diffusion Models for Ultrasound Image Enhancement”的研究论文。论文由我院张永全教授、澳大利亚莫道克大学王海教授、深圳大数据研究院王昌淼博士共同指导。

该研究为我校与澳大利亚莫道克大学、深圳大数据研究院科研合作的成果之一，获教育部人文社会科学研究规划基金项目（23YJA910007）、浙江省哲学社会科学规划重大项目以及我校统计省一流学科（A类）资助。研究聚焦医学超声影像领域，针对超声图像普遍存在的低分辨率、高噪声及结构细节模糊等问题，创新性设计了图像增强路径（IEP）和辅助分类路径（ACP）双路径深度学习网络架构，并利用跨注意力机制融合图像与分类特征，有效提升了医学图像的清晰度和结构可辨性。经多组公开数据集的实验验证，该方法在图像结构细节恢复和噪声抑制方面明显优于现有方法，为医学影像分析提供了新的解决思路，具有重要的临床应用潜力。陈诺同学作为论文第一作者，负责方案设计、算法实现、实验分析和论文撰写等主要工作，展现出扎实的科研功底和优秀的创新能力。