关于
叶锦目前是蒙纳士大学（澳大利亚墨尔本）数据科学与人工智能系的博士研究生，导师为 Jianfei Cai 教授、Zhaolin Chen 副教授和 Bohan Zhuang 博士。在攻读博士之前，他是上海人工智能实验室的全职研究员，作为 GMAI 团队核心成员，在何军军博士和乔宇教授指导下从事研究工作。更早期，他曾在百度担任高级研发工程师，从事计算机视觉工程研发。
他的研究方向涵盖医学图像分割、医学视觉-语言模型与生成式建模，致力于将前沿 AI 技术转化为临床实践。在 GMAI 团队期间，他是 SA-Med2D-20M 数据集的首席架构师，也是 SAM-Med 系列模型的核心贡献者。
研究方向
- 大规模医学分割数据集：SA-Med2D-20M（460万张图像 / 1970万个标注掩码）
- SAM 医学适配：SAM-Med2D、SAM-Med3D、SAM-Med3D-MoE
- 医学 AI 基准测试：GMAI-MMBench（284个数据集、38种模态、18项任务）
- 交互式医学图像分割：IMed-361M
代表性论文
- SA-Med2D-20M（arXiv 2023）— 第一作者。当时最大的2D医学分割数据集，是整个 SAM-Med 研究线的基础数据资源。
- SAM-Med2D（arXiv 2023）— 通过可学习适配器对 SAM 进行2D医学图像适配的系统性研究。GitHub 仓库获得 3,900+ Stars。
- SAM-Med3D（ECCV 2024 Workshop Oral; IEEE TNNLS 2025）— 将 SAM 扩展至3D体积医学图像，使用 SA-Med3D-140K 数据集。
- SAM-Med3D-MoE（MICCAI 2024）— 混合专家扩展，防止任务特定微调中的灾难性遗忘。
- GMAI-MMBench（NeurIPS 2024）— 第二作者。迄今最全面的医学 AI 基准评测。
- IMed-361M（CVPR 2025）— 交互式医学分割基准与基线方法。
职业轨迹
百度（高级研发工程师）→ 上海人工智能实验室（研究员，GMAI 团队）→ 蒙纳士大学（博士研究生）— 一条贯穿工程应用、大规模研究基础设施和学术深度的发展路径。