主导开发主干网络为 U-Net 的 Diffusion 模型进行跨模态医学影像生成，同时设计单向与双向生成范式，通过常规 MRI 合成高精度 PET 影像。其中双向生成范式大搞 SSIM 0.9380 和 PSNR 26.47。MRI 和生成的 PET 联合诊断准确率提升 1.96%。研究成果发表于中科院一区 TOP 期刊 Alzheimer’s & Dementia。负责项目的全部流程，包括算法设计、数据处理、模型训练及论文撰写等。
主导开发主干网络为 U-Net 的 GAN 模型进行跨模态医学影像生成，同时构建多尺度损失函数，通过常规 MRI 合成高精度 PET 影像（SSIM 0.9714/PSNR 31.53），解决阿尔兹海默症诊断中 PET 检查成本高的痛点。MRI 和生成的 PET 联合诊断准确率达 90.18%（Δ+0.87%）。研究成果发表于中科院一区 TOP 期刊 Neural Networks。负责项目的全部流程，包括算法设计、数据处理、模型训练及论文撰写等。
主导开发基于整流视频输入的外科手术技能评级分类模型。在 JIGASAWS 数据集上达到了 SOTA 的准确率（Suturing 100% / Needle Passing 96.3%/ Knot Tying 97.2%）。同时提供了可解释性方案，包括基于 CAM 的和机遇 Snippet 的时序可解释性可视化。部分成果拿到了一项发明专利（已获授权）。负责项目的全部流程，包括算法设计、数据处理、模型训练及论文撰写等。
作为核心算法开发者，负责构建基于 BERT 的 Twitter 疫情语义分析模块，支撑 COVID-19 智能预警系统研发。通过微调 BERT 模型实现推文疫情相关性分类（准确率 99%），相关成果发表于 Expert Systems with Applications。
