1975年成立的轻工自动化专业是陕西科技大学电子信息与人工智能学院的前身，它至今仍是陕西省高校党建工作标杆和创新创业教育改革试点单位。学院目前设有计算机科学与技术、电子科学与技术、电子信息工程、网络工程以及人工智能这五个本科专业。在这支由125名教师组成的队伍里，博士占了79%，拥有高级职称的也有50%，还有13名国家级和省级人才分布其中，形成了一个“老中青”三代齐备的合理人才矩阵。为了应对智慧医疗和智能遥感等国家重大需求，学院把“让创新成为常态”当成了发展目标。团队在雷涛教授的带领下，一直专注于计算机视觉与医学人工智能的交叉领域。过去十年里，他们通过不断积累，在IJCAI、ICCV、AAAI和CVPR等顶级会议上都取得了突破。这次在AAAI主会作为Poster展示的“DGKAN: Dual-branch Graph Kolmogorov-Arnold Network for Unsupervised Multimodal Change Detection”论文，让学校首次以第一完成单位在这个A类会议上亮相。这是学校继摘得CVPR入场券之后的又一个标志性成果。今年CVPR主会场共收到了16092篇有效投稿，经过筛选后只有4090篇被程序委员会推荐接收，整体接受率只有25.42%，竞争十分激烈。“SPEGC: Continual Test-Time Adaptation via Semantic-Prompt-Enhanced Graph Clustering for Medical Image Segmentation”被正式录用的消息让大家非常兴奋。这是陕西科技大学首次以唯一完成单位身份登上CVPR主会的舞台，实现了学校在这个顶会论文录用史上的“零的突破”。现在有个让医生头疼的问题：现有模型在训练集和测试集之间一旦出现设备、协议或者分布上的差异，性能就会像跳水一样快速下降。研究团队把这种现象叫做“测试时领域偏移”，并把它锁定为了真实临床场景下急需解决的难题。为了打开这扇自适应之门，团队针对领域偏移和灾难性遗忘提出了SPEGC框架。这个框架主要靠两把钥匙：一把是语义提示增强，让共性提示池和异质性提示池协同工作，给局部特征动态注入全局语义上下文；另一把是可微图聚类，把图划分问题变成基于最优传输的端到端聚类过程。实验显示，SPEGC即使在没有标注数据、目标域还在持续漂移的情况下也能稳定输出高精度的分割结果。