Hi, I'm Kai!
这里是个人简介。可以用几行文字介绍自己，
包括研究方向、技术栈、个人兴趣等。
支持多行居中展示，你可以根据需要自由编辑。
包括研究方向、技术栈、个人兴趣等。
支持多行居中展示，你可以根据需要自由编辑。
教育背景
东南大学（推免）
生物医学工程 硕士 | 专业排名：2/155
研究方向：人工智能与机器学习 · 深度学习 · 模式识别 · 算法设计与分析 · 计算神经科学 · 医学图像与医学电子学
2024.09 ~ 至今
预计2027.07毕业
四川大学
医学信息工程 本科 | 专业排名：1/15
主修课程：数据结构与算法分析 · 数字图像处理 · 信号与系统 · 面向对象程序设计 · 数据库原理
2020.09 ~ 2024.07
个人技能
编程语言熟悉 C++ 核心特性（STL / 多线程 / 内存管理），熟悉 Python（科学计算 / 工程化部署）；了解 C# / Java / Go
数据库熟悉 MySQL、SQLite，了解 MongoDB、Redis、MinIO 等数据存储方案，能设计数据模型和存储策略
深度学习熟悉 PyTorch（CNN / Transformer / 量化部署）；具备 TensorRT / ONNX 推理加速经验；熟悉主流大语言模型和 AI Agent 的部署和使用；具备大模型 RAG / SFT 经验，了解 Agent 原理和开发流程
其他工具熟悉 Linux / Windows 操作系统，了解进程间通信 (IPC) 机制及内存管理原理；熟悉 Git 版本控制与团队协作流程；了解 CMake 跨平台构建；了解 RPC / Socket 通信原理与 Protobuf 与 gRPC 框架
语言 & 证书
项目经历
Celli 细胞手术机器人
2025.10 ~ 2026.05
C++PythonTensorRTONNXMySQLgRPC
复旦大学脑智研究院 — 访问研究员（软件工程师）
▶
主导复旦大学 IBI 细胞手术机器人Celli项目软件架构重构（C++）与核心模块开发，以人脑神经元形态高通量采集为情景，实现百万元级显微成像与多微操器件的自动化控制系统全流程，设计多模态数据库管理高通量数据和领域专家大模型；落地上海华山医院（虹桥院区）生产数据，发表发明专利1项（受理中）
- 设计基于冲突的路径规划（CBS）算法解决多灌注针协同时空冲突，系统从4针升级至6/8针，灌注通量提升50%
- 设计基于星型形状检测的 U-Net 细胞计数算法（F1 = 93%），进一步设计基于点云密度 GP 回归的脑组织皮质层级分割算法（大脑皮质 L1~L6 + White，IoU 82%，边界距离误差 < 30μm）
- 基于 gRPC 通信和 MongoDB 设计多模态神经元数据库，50并发用户、1~10k 规模数据往返延迟低至 1.5~15ms；基于 L-Measure 生成形态特征结构化文本描述，转化高质量案例为 RAG 知识库，构建面向神经元形态的指令数据集
- 日常测试系统级功能、硬件接口和兼容性，每周进行版本迭代（V0.1.9），保障软件在华山医院的稳定落地
AutoPerfusor 神经元高精度形态数据自动化采集系统
2025.03 ~ 2025.10
C++Qt WidgetsOpenCVCUDATensorRT
项目负责人 / 软件工程师
▶
面向脑神经元高精度显微灌注实验操作，为实验室 Scientifica 设备开发自动化控制软件，实现微操协同 + AI 视觉引导 + 数据追溯的端到端闭环，驱动多针进行脑神经元灌注采集实验，已产出 13万+ 神经元数据
- 设计针控状态机驱动完整工序（Idle → Start → MoveTo → Retreat → AxialInject → Perfuse → Wait → Withdraw → End，Error），多线程调度实现高并发执行，独占相机互斥锁保证时空安全，任务级错误恢复保证稳定性，Error < 5%
- 设计 Qt Widgets 客户端 UI，添加多个功能界面，优化信号槽机制，交互响应延迟降至 20ms 以内
- 设计基于碰撞约束贪心调度的动态路径规划算法，将针几何建模与 2D/3D 碰撞检测融入在线决策，实现动态避障与灵活调度，100+ 次4针实际生产中的冲突次数降低至 0
- 集成 YOLOv8 实现目标分割与分类（TensorRT + CUDA 高性能推理），细胞识别率 85%，针尖识别率 95%
Hi5 Android 神经元图像协作分析平台
2024.10 ~ 2025.02
AndroidJavaPythonPyTorchLitePal/SQLiteOKHttp
项目成员 / Android & AI 开发
▶
参与面向神经科学研究的移动端协作平台开发，负责 Smart Image 模块功能开发，支持三维神经元图像可视化、标注与质量审核
- 设计三管道 ResNet18 神经元分类模型（Focal loss + 小样本扩增，骨架点云提取＋多向 MIP 特征增强，TS²-GS + TANC），Top-1 准确率 80%；部署远端推理服务，通过 HTTP API 接入 App，辅助人工实现半自动标注；远端预测时间低至 10ms（GTX3090 INT8），采纳率 90%，日标注量提升约 50%
- 使用 LitePal 设计并维护本地数据库，存储图像路径、分辨率、空间位置等元数据，支持历史记录查询与离线访问
联系我